Wav2vec2 Large Lv60 Phoneme Timit English Timit 4k Simplified

🚀 wav2vec2-large-lv60_phoneme-timit_english_timit-4k_simplified

このモデルは、TIMITデータセットでTIMITを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: 0.2796
• 音素誤り率: 0.0838 (8.38%)

📚 ドキュメント

モデルの説明

TIMIT音素セットの簡略版で学習されています。

想定される用途と制限

統合された音素

• 元のTIMIT音素セットの各音素の誤り分析に基づいています。
• 詳細な分析については、このリポジトリを参照してください。
• ax-h → ax
• axr → er
• ix → ih
• ux → uw
• zh → z
• em → m
• en → n
• eng → ng
• nx → n
• hv → hh

学習と評価データ

詳細情報が必要です。

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。

モデル情報