Malaya Speech Mrbrown Finetune1

🚀 malaya - speech_Mrbrown_finetune1

本模型是 [malay - huggingface/wav2vec2 - xls - r - 300m - mixed](https://huggingface.co/malay - huggingface/wav2vec2 - xls - r - 300m - mixed) 在 uob_singlish 數據集上的微調版本。本次使用自制數據集（將 “https://www.youtube.com/watch?v=a2ZOTD3R7JI” 的音頻切片並編寫相應的文字記錄，總計4分鐘）進行微調，結果非常不理想。這可能意味著訓練/微調數據集必須是高質量的，至少要持續數小時；也可能是因為學習率設置得太高（0.01）。目前仍在尋找影響微調結果的關鍵因素。

🚀 快速開始

本模型在評估集上取得了以下結果：

• 損失值（Loss）：3.8458
• 字錯率（Wer）：1.01

✨ 主要特性

該模型基於預訓練模型 [malay - huggingface/wav2vec2 - xls - r - 300m - mixed](https://huggingface.co/malay - huggingface/wav2vec2 - xls - r - 300m - mixed) 在特定數據集上進行微調，可用於相關語音識別任務。

🔧 技術細節

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）：0.01
• 訓練批次大小（train_batch_size）：2
• 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）：4
• 優化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon = 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）：100
• 混合精度訓練（mixed_precision_training）：原生自動混合精度（Native AMP）

訓練結果

框架版本

• Transformers：4.11.3
• Pytorch：1.10.0 + cu113
• Datasets：1.18.3
• Tokenizers：0.10.3