Wav2vec2 Large Xlsr 53 842h Luxembourgish 14h With Lm

🚀 Lemswasabi/wav2vec2-large-xlsr-53-842h-luxembourgish-14h-with-lm

本項目是一個自動語音識別模型，通過對大量盧森堡語語音數據進行微調訓練，並結合語言模型進行輸出轉錄重評分，在盧森堡語語音識別任務中取得了較好的效果。

🚀 快速開始

本模型為自動語音識別模型，可用於盧森堡語的語音識別任務。

✨ 主要特性

• 基於wav2vec 2.0 large XLSR - 53進行微調，先使用842小時未標註的盧森堡語語音數據，再使用14小時標註的同領域盧森堡語語音數據進行訓練。
• 利用5 - gram語言模型對輸出轉錄進行重評分，提升識別效果。

📚 詳細文檔

模型描述

我們對wav2vec 2.0 large XLSR - 53檢查點進行了微調，使用了從RTL.lu收集的842小時未標註的盧森堡語語音數據。然後在來自同一領域的14小時標註的盧森堡語語音數據上對模型進行了微調。此外，我們使用在同一領域的文本語料庫上訓練的5 - gram語言模型對輸出轉錄進行重評分。

預期用途與侷限性

更多信息待補充。

訓練和評估數據

更多信息待補充。

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：7.5e - 05
• 訓練批次大小：3
• 評估批次大小：3
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：12
• 優化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 學習率調度器類型：線性
• 學習率調度器熱身步數：2000
• 訓練輪數：50.0
• 混合精度訓練：Native AMP

框架版本

• Transformers 4.20.0.dev0
• Pytorch 1.11.0 + cu113
• Datasets 2.2.1
• Tokenizers 0.12.1

引用

本模型是我們提交給IEEE SLT 2022研討會的論文IMPROVING LUXEMBOURGISH SPEECH RECOGNITION WITH CROSS - LINGUAL SPEECH REPRESENTATIONS的成果。

@misc{lb-wav2vec2,
  author = {Nguyen, Le Minh and Nayak, Shekhar and Coler, Matt.},
  keywords = {Luxembourgish, multilingual speech recognition, language modelling, wav2vec 2.0 XLSR-53, under-resourced language},
  title = {IMPROVING LUXEMBOURGISH SPEECH RECOGNITION WITH CROSS-LINGUAL SPEECH REPRESENTATIONS},
  year = {2022},
  copyright = {2023 IEEE}
}

📄 許可證

本項目採用MIT許可證。

📦 模型信息