🚀 wav2vec2-large-xlsr-53-german-cv9
このモデルは、MOZILLA-FOUNDATION/COMMON_VOICE_9_0 - DEデータセットで./facebook/wav2vec2-large-xlsr-53をファインチューニングしたものです。テストセットでは、以下の結果を達成しています。
- CER: 2.273015898213336
- Wer: 9.480663281840769
✨ 主な機能
このモデルは、自動音声認識（Automatic Speech Recognition）タスクに特化しており、ドイツ語の音声を高精度に認識することができます。
📚 ドキュメント
モデル情報
| プロパティ |
詳細 |
| モデルタイプ |
wav2vec2-large-xlsr-53-german-cv9 |
| 訓練データセット |
mozilla-foundation/common_voice_9_0 (ドイツ語) |
モデルの評価結果
| タスク |
データセット |
評価指標 |
値 |
| 自動音声認識 |
Common Voice 9 (ドイツ語) |
Test WER |
9.480663281840769 |
| 自動音声認識 |
Common Voice 9 (ドイツ語) |
Test CER |
1.9167347943074394 |
| 自動音声認識 |
Common Voice 9 (ドイツ語, +LM) |
Test WER (+LM) |
7.49027762774117 |
| 自動音声認識 |
Common Voice 9 (ドイツ語, +LM) |
Test CER (+LM) |
1.9167347943074394 |
| 自動音声認識 |
Common Voice 6.1 (ドイツ語) |
Test WER |
8.122005951166668 |
| 自動音声認識 |
Common Voice 6.1 (ドイツ語) |
Test CER |
1. |
| 自動音声認識 |
Common Voice 6.1 (ドイツ語, +LM) |
Test WER (+LM) |
6.1453182045203544 |
| 自動音声認識 |
Common Voice 6.1 (ドイツ語, +LM) |
Test CER (+LM) |
1.5247743373447677 |
訓練手順
訓練ハイパーパラメータ
以下のハイパーパラメータが訓練中に使用されました。
- 学習率 (learning_rate): 0.0001
- 訓練バッチサイズ (train_batch_size): 16
- 評価バッチサイズ (eval_batch_size): 32
- 乱数シード (seed): 42
- 勾配累積ステップ (gradient_accumulation_steps): 8
- 総訓練バッチサイズ (total_train_batch_size): 128
- オプティマイザ (optimizer): Adam (betas=(0.9,0.999), epsilon=1e-08)
- 学習率スケジューラタイプ (lr_scheduler_type): linear
- 学習率スケジューラウォームアップ比率 (lr_scheduler_warmup_ratio): 0.1
- エポック数 (num_epochs): 50.0
- 混合精度訓練 (mixed_precision_training): Native AMP
訓練結果
| 訓練損失 (Training Loss) |
エポック (Epoch) |
ステップ (Step) |
検証損失 (Validation Loss) |
評価WER (Eval Wer) |
| 0.4129 |
1.0 |
3557 |
0.3015 |
0.2499 |
| 0.2121 |
2.0 |
7114 |
0.1596 |
0.1567 |
| 0.1455 |
3.0 |
10671 |
0.1377 |
0.1354 |
| 0.1436 |
4.0 |
14228 |
0.1301 |
0.1282 |
| 0.1144 |
5.0 |
17785 |
0.1225 |
0.1245 |
| 0.1219 |
6.0 |
21342 |
0.1254 |
0.1208 |
| 0.104 |
7.0 |
24899 |
0.1198 |
0.1232 |
| 0.1016 |
8.0 |
28456 |
0.1149 |
0.1174 |
| 0.1093 |
9.0 |
32013 |
0.1186 |
0.1186 |
| 0.0858 |
10.0 |
35570 |
0.1182 |
0.1164 |
| 0.102 |
11.0 |
39127 |
0.1191 |
0.1186 |
| 0.0834 |
12.0 |
42684 |
0.1161 |
0.1096 |
| 0.0916 |
13.0 |
46241 |
0.1147 |
0.1107 |
| 0.0811 |
14.0 |
49798 |
0.1174 |
0.1136 |
| 0.0814 |
15.0 |
53355 |
0.1132 |
0.1114 |
| 0.0865 |
16.0 |
56912 |
0.1134 |
0.1097 |
| 0.0701 |
17.0 |
60469 |
0.1096 |
0.1054 |
| 0.0891 |
18.0 |
64026 |
0.1110 |
0.1076 |
| 0.071 |
19.0 |
67583 |
0.1141 |
0.1074 |
| 0.0726 |
20.0 |
71140 |
0.1094 |
0.1093 |
| 0.0647 |
21.0 |
74697 |
0.1088 |
0.1095 |
| 0.0643 |
22.0 |
78254 |
0.1105 |
0.1044 |
| 0.0764 |
23.0 |
81811 |
0.1072 |
0.1042 |
| 0.0605 |
24.0 |
85368 |
0.1095 |
0.1026 |
| 0.0722 |
25.0 |
88925 |
0.1144 |
0.1066 |
| 0.0597 |
26.0 |
92482 |
0.1087 |
0.1022 |
| 0.062 |
27.0 |
96039 |
0.1073 |
0.1027 |
| 0.0536 |
28.0 |
99596 |
0.1068 |
0.1027 |
| 0.0616 |
29.0 |
103153 |
0.1097 |
0.1037 |
| 0.0642 |
30.0 |
106710 |
0.1117 |
0.1020 |
| 0.0555 |
31.0 |
110267 |
0.1109 |
0.0990 |
| 0.0632 |
32.0 |
113824 |
0.1104 |
0.0977 |
| 0.0482 |
33.0 |
117381 |
0.1108 |
0.0958 |
| 0.0601 |
34.0 |
120938 |
0.1095 |
0.0957 |
| 0.0508 |
35.0 |
124495 |
0.1079 |
0.0973 |
| 0.0526 |
36.0 |
128052 |
0.1068 |
0.0967 |
| 0.0487 |
37.0 |
131609 |
0.1081 |
0.0966 |
| 0.0495 |
38.0 |
135166 |
0.1099 |
0.0956 |
| 0.0528 |
39.0 |
138723 |
0.1091 |
0.0923 |
| 0.0439 |
40.0 |
142280 |
0.1111 |
0.0928 |
| 0.0467 |
41.0 |
145837 |
0.1131 |
0.0943 |
| 0.0407 |
42.0 |
149394 |
0.1115 |
0.0944 |
| 0.046 |
43.0 |
152951 |
0.1106 |
0.0935 |
| 0.0447 |
44.0 |
156508 |
0.1083 |
0.0919 |
| 0.0434 |
45.0 |
160065 |
0.1093 |
0.0909 |
| 0.0472 |
46.0 |
163622 |
0.1092 |
0.0921 |
| 0.0414 |
47.0 |
167179 |
0.1106 |
0.0922 |
| 0.0501 |
48.0 |
170736 |
0.1094 |
0.0918 |
| 0.0388 |
49.0 |
174293 |
0.1099 |
0.0918 |
| 0.0428 |
50.0 |
177850 |
0.1103 |
0.0915 |
フレームワークバージョン
- Transformers 4.19.0.dev0
- Pytorch 1.11.0+cu113
- Datasets 2.0.0
- Tokenizers 0.11.6
📄 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。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Transformers Supports Multiple Languages