Wav2vec2 Base Cv

🚀 wav2vec2-base-cv

このモデルは、common_voiceデータセット上でfacebook/wav2vec2-base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: 1.1562
• 単語誤り率 (Wer): 0.3804

🚀 クイックスタート

このモデルは、音声関連のタスクに使用できます。具体的な使用方法は、Hugging Faceのドキュメントを参照してください。

🔧 技術詳細

トレーニングハイパーパラメータ

トレーニング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 (learning_rate): 0.0001
• トレーニングバッチサイズ (train_batch_size): 32
• 評価バッチサイズ (eval_batch_size): 8
• シード (seed): 42
• 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の種類 (lr_scheduler_type): linear
• 学習率スケジューラのウォームアップステップ (lr_scheduler_warmup_steps): 1000
• エポック数 (num_epochs): 30
• 混合精度トレーニング (mixed_precision_training): Native AMP

トレーニング結果

フレームワークバージョン

• Transformers 4.11.3
• Pytorch 1.10.0+cu111
• Datasets 1.13.3
• Tokenizers 0.10.3

📄 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。