W2v2 Kaqchikel

🚀 wav2vec2-large-xls-r-300m-kaqchikel-with-bloom

本模型是一個經過微調的語音識別模型，基於特定的音頻數據集對基礎模型進行優化，在評估集上有較好的表現，可用於Kaqchikel語言的語音識別任務。

🚀 快速開始

此模型是 facebook/wav2vec2-xls-r-300m 的微調版本，在評估集上取得了以下結果：

• 損失值（Loss）：0.6700
• 字符錯誤率（Cer）：0.0854
• 詞錯誤率（Wer）：0.3069

✨ 主要特性

模型描述

• 主頁：SIL AI
• 聯繫人：SIL AI 郵箱
• 源數據：Bloom Library 和 Viña Studios

該模型是基於 XLS - R 300m 微調的基線模型。用戶如需使用訓練好的模型進行推理的教程，可參考原始模型。

預期用途與限制

本模型的使用者應遵守 《聯合國土著人民權利宣言》。

該模型遵循 MIT 許可證發佈，不保證模型在特定情況下的性能。

訓練和評估數據

訓練集、驗證集和測試集均從同一語料庫生成，確保未使用重複文件。

訓練過程

基於 Hugging Face Transformers Github 中的示例，使用了標準的 XLS - R 微調方法。

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：0.0003
• 訓練批次大小（train_batch_size）：8
• 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）：4
• 總訓練批次大小（total_train_batch_size）：32
• 優化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 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）：200
• 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 2.2.1
• Tokenizers 0.10.3

📄 許可證

本模型遵循 MIT 許可證發佈。