Wav2vec2 Xls R 300m German De

🚀 XLS-R-300M - ドイツ語

このモデルは、自動音声認識タスクに特化したモデルです。MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - DEデータセットで微調整され、高い精度でドイツ語の音声を認識することができます。

🚀 クイックスタート

このモデルは、facebook/wav2vec2-xls-r-300m をMOZILLA-FOUNDATION/COMMON_VOICE_7_0 - DEデータセットで微調整したものです。評価セットでは以下の結果を達成しています。

• 損失: 0.1768
• 単語誤り率 (Wer): 0.2016

✨ 主な機能

• ドイツ語の自動音声認識に特化したモデルです。
• 高い精度で音声を認識することができます。

📚 ドキュメント

モデル情報

評価結果

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): 7.5e-05
• 訓練バッチサイズ (train_batch_size): 8
• 評価バッチサイズ (eval_batch_size): 8
• 乱数シード (seed): 42
• 勾配累積ステップ (gradient_accumulation_steps): 4
• 総訓練バッチサイズ (total_train_batch_size): 32
• 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タイプ (lr_scheduler_type): 線形
• 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): 2000
• エポック数 (num_epochs): 3.4
• 混合精度訓練 (mixed_precision_training): Native AMP

訓練結果

フレームワークのバージョン

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.17.1.dev0
• Tokenizers 0.11.0

評価コマンド

1. mozilla-foundation/common_voice_7_0 の test スプリットで評価する場合

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-german-de --dataset mozilla-foundation/common_voice_7_0 --config de --split test --log_outputs

2. テスト開発データで評価する場合

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-german-de --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0

📄 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。