Wav2vec2 Xls R 300m Japanese

🚀 XLS-R-300M - 日語

本模型用於將音頻轉錄為日語的一種形式——平假名。它基於mozilla-foundation/common_voice_8_0數據集，對facebook/wav2vec2-xls-r-300m模型進行了微調。

🔍 模型信息

📊 評估結果

本模型在評估集上取得了以下結果：

• 損失：0.7751
• 字符錯誤率（Cer）：0.2227

運行./eval.py的評估結果如下：

📚 詳細文檔

該模型通過以下方式取得上述結果：

• 修改eval.py以適應使用場景。
• 由於漢字和片假名與平假名發音相同，使用pykakasi將所有文本轉換為平假名，並使用fugashi進行分詞。

🔧 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）：5e-05
• 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，β=(0.9, 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）：1000
• 訓練步數（training_steps）：4000
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

📄 許可證

本模型採用Apache-2.0許可證。