Hausa Asr

🚀 Cdial/Hausa_xlsr

本模型是 facebook/wav2vec2-xls-r-300m 的微调版本。它在评估集（训练数据集的 10% 与无效数据、报告数据、其他数据和开发数据集合并）上取得了以下结果：

• 损失值：0.275118
• 词错误率（Wer）：0.329955

✨ 主要特性

• 适用于豪萨语的自动语音识别任务。
• 基于预训练模型 facebook/wav2vec2-xls-r-300m 进行微调。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

文档未提供代码示例，暂不提供。

📚 详细文档

模型描述

对 "facebook/wav2vec2-xls-r-300m" 进行了微调。

预期用途与限制

需要更多信息。

训练和评估数据

• 训练数据：Common voice 豪萨语的 train.tsv、dev.tsv、invalidated.tsv、reported.tsv 和 other.tsv。仅考虑那些赞成票多于反对票的点，并且在合并 Common voice 7.0 中给出的所有数据集后去除了重复项。

训练过程

为了创建训练数据集，将所有可能的数据集进行了追加，并采用了 90 - 10 的分割。

训练超参数

训练期间使用了以下超参数：

• 学习率（learning_rate）：0.000096
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：13
• 梯度累积步数（gradient_accumulation_steps）：2
• 学习率调度器类型（lr_scheduler_type）：cosine_with_restarts
• 学习率调度器热身步数（lr_scheduler_warmup_steps）：500
• 训练轮数（num_epochs）：50
• 混合精度训练（mixed_precision_training）：Native AMP

训练结果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.18.3
• Tokenizers 0.10.3

评估命令

1. 在 mozilla-foundation/common_voice_8_0 的 test 分割上进行评估：

python eval.py --model_id Akashpb13/Hausa_xlsr --dataset mozilla-foundation/common_voice_8_0 --config ha --split test

🔧 技术细节

文档未提供详细技术实现细节，暂不提供。

📄 许可证

本项目采用 Apache-2.0 许可证。

模型指标信息