Wav2vec2 Large Xls R 300m Hsb V1

🚀 wav2vec2-large-xls-r-300m-hsb-v1

本模型是基於 facebook/wav2vec2-xls-r-300m 在 MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - HSB 數據集上進行微調的版本。它能夠有效解決自動語音識別任務中的相關問題，在特定數據集上展現出了良好的性能，為上索布語的語音識別提供了有力支持。

📦 安裝指南

文檔未提及安裝步驟，跳過此章節。

💻 使用示例

文檔未提供代碼示例，跳過此章節。

📚 詳細文檔

模型信息

評估結果

本模型在評估集上取得了以下結果：

• 損失值（Loss）：0.5684
• 詞錯誤率（Wer）：0.4402

評估命令

1. 在 mozilla-foundation/common_voice_8_0 測試集上進行評估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hsb-v1 --dataset mozilla-foundation/common_voice_8_0 --config hsb --split test --log_outputs

2. 在 speech-recognition-community-v2/dev_data 上進行評估 上索布語在 speech-recognition-community-v2/dev_data 中不可用。

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：0.00045
• 訓練批次大小（train_batch_size）：16
• 評估批次大小（eval_batch_size）：8
• 隨機種子（seed）：42
• 梯度累積步數（gradient_accumulation_steps）：2
• 總訓練批次大小（total_train_batch_size）：32
• 優化器（optimizer）：Adam，β=(0.9, 0.999)，ε=1e-08
• 學習率調度器類型（lr_scheduler_type）：線性
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：500
• 訓練輪數（num_epochs）：50
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers：4.16.1
• Pytorch：1.10.0+cu111
• Datasets：1.18.2
• Tokenizers：0.11.0

📄 許可證

本模型使用 Apache-2.0 許可證。