Wav2vec2 Large Xlsr 53 842h Luxembourgish 14h

🚀 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，能夠實現對盧森堡語語音的準確識別，為相關語音處理任務提供了有力支持。

🚀 快速開始

此部分文檔未提供快速開始的相關內容，你可以根據模型的使用說明進一步探索如何使用該模型。

✨ 主要特性

• 該模型基於wav2vec 2.0 large XLSR - 53進行微調，先使用從RTL.lu收集的842小時未標註盧森堡語語音數據進行預訓練，再在相同領域的14小時標註盧森堡語語音數據上進行微調。
• 模型在評估指標上表現良好，開發集的詞錯誤率（Dev WER）為11.68，測試集的詞錯誤率（Test WER）為10.71；開發集的字符錯誤率（Dev CER）為2.64，測試集的字符錯誤率（Test CER）為2.31。

📚 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，使用從RTL.lu收集的842小時未標註盧森堡語語音數據。然後，該模型在來自相同領域的14小時標註盧森堡語語音數據上進行了微調。

預期用途與限制

文檔中未提供更多相關信息。

訓練和評估數據

文檔中未提供更多相關信息。

訓練過程

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：7.5e - 05
• 訓練批次大小（train_batch_size）：3
• 評估批次大小（eval_batch_size）：3
• 隨機種子（seed）：42
• 梯度累積步數（gradient_accumulation_steps）：4
• 總訓練批次大小（total_train_batch_size）：12
• 優化器（optimizer）：Adam，β值為(0.9, 0.999)，ε值為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）：2000
• 訓練輪數（num_epochs）：50.0
• 混合精度訓練（mixed_precision_training）：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

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

@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

本模型採用MIT許可證。

📦 模型信息