W2v2 Kaqchikel

🚀 wav2vec2-large-xls-r-300m-kaqchikel-with-bloom

このモデルは、Viña Studios が提供する Deditos のKaqchikel語の動画の音声コレクションと、Bloom Library のオーディオブックのKaqchikel語の音声を使用して、facebook/wav2vec2-xls-r-300m 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: 0.6700
• 文字誤り率 (CER): 0.0854
• 単語誤り率 (WER): 0.3069

🚀 クイックスタート

このモデルは音声認識タスクに使用できます。事前学習済みのモデルをベースに、Kaqchikel語の音声データでファインチューニングされています。

✨ 主な機能

• 特定の言語（Kaqchikel語）に対する音声認識性能の向上。
• 公開されている事前学習モデルをベースにしているため、再現性が高い。

📚 ドキュメント

モデルの説明

• ホームページ: SIL AI
• 問い合わせ先: SIL AI メール
• ソースデータ: Bloom Library と Viña Studios

このモデルは XLS-R 300m からファインチューニングされたベースラインモデルです。推論に訓練済みモデルを使用する方法については、元のモデルのチュートリアルを参照してください。

想定される用途と制限

このモデルのユーザーは、国連先住民族の権利に関する宣言 に従う必要があります。 このモデルはMITライセンスの下で公開されており、特定の状況におけるモデルの性能については保証されていません。

学習と評価データ

学習、検証、テストデータセットは同じコーパスから生成され、重複するファイルは使用されていません。

学習手順

Hugging Face TransformersのGitHub の例に基づいて、XLS - Rの標準的なファインチューニング手法が使用されました。

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: 0.0003
• 学習バッチサイズ: 8
• 評価バッチサイズ: 8
• 乱数シード: 42
• 勾配累積ステップ数: 4
• 総学習バッチサイズ: 32
• オプティマイザ: Adam（ベータ=(0.9, 0.999)、イプシロン=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数: 200
• エポック数: 100
• 混合精度学習: Native AMP

学習結果

フレームワークバージョン

• Transformers 4.11.3
• Pytorch 1.10.0+cu113
• Datasets 2.2.1
• Tokenizers 0.10.3

📄 ライセンス

このモデルはMITライセンスの下で公開されています。