Wav2vec2 Large Lv60 Phoneme Timit English Timit 4k 002

🚀 wav2vec2-large-lv60_phoneme-timit_english_timit-4k

このモデルは、facebook/wav2vec2-large-lv60 を TIMITデータセット でファインチューニングしたバージョンです。評価セットでは以下の結果を達成しています。

• 損失: 0.3354
• 音素誤り率: 0.1053 (10.53%)

🚀 クイックスタート

このモデルは、TIMIT音素セットに基づく音素認識に使用できます。

✨ 主な機能

• TIMIT音素セットに基づく音素認識

📚 ドキュメント

想定使用目的と制限事項

• TIMIT音素セットに基づく音素認識

音素別の誤り

母音音素

破裂音音素

破擦音音素

摩擦音音素

鼻音音素

半母音/滑音音素

学習と評価データ

• 学習: TIMIT学習データセット (4620サンプル)
• テスト: TIMITテストデータセット (1680サンプル)

学習手順

学習ハイパーパラメータ

学習中に以下のハイパーパラメータが使用されました。

• 学習率: 0.0001
• 学習バッチサイズ: 16
• 評価バッチサイズ: 1
• シード: 42
• オプティマイザ: Adam (betas=(0.9,0.999), epsilon=1e-08)
• 学習率スケジューラの種類: 線形
• 学習率スケジューラのウォームアップステップ: 300
• 学習ステップ: 3000
• 混合精度学習: Native AMP

学習結果

フレームワークのバージョン

• Transformers 4.38.1
• Pytorch 2.0.1
• Datasets 2.16.1
• Tokenizers 0.15.2

📄 ライセンス

このモデルはApache-2.0ライセンスの下で提供されています。