Wav2vec2 Large Xls R 300m As

🚀 wav2vec2-large-xls-r-300m-as

該模型是在common_voice數據集上對facebook/wav2vec2-xls-r-300m進行微調後的版本。它在評估集上取得了以下結果：

• 損失值：1.9068
• 字錯率（Wer）：0.6679

✨ 主要特性

• 基於預訓練模型facebook/wav2vec2-xls-r-300m在common_voice數據集上微調，適用於自動語音識別任務。
• 在評估集上有明確的損失值和字錯率指標。

📦 安裝指南

文檔未提供安裝相關內容，故跳過此章節。

💻 使用示例

基礎用法

以下是使用該模型進行推理的示例代碼：

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F
model_id = "anuragshas/wav2vec2-large-xls-r-300m-as"
sample_iter = iter(load_dataset("mozilla-foundation/common_voice_7_0", "as", split="test", streaming=True, use_auth_token=True))
sample = next(sample_iter)
resampled_audio = F.resample(torch.tensor(sample["audio"]["array"]), 48_000, 16_000).numpy()
model = AutoModelForCTC.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)
input_values = processor(resampled_audio, return_tensors="pt").input_values
with torch.no_grad():
    logits = model(input_values).logits
transcription = processor.batch_decode(logits.numpy()).text
# => "জাহাজত তো তিশকুৰলৈ যাব কিন্তু জহাজিটো আহিপনে"

評估命令

在mozilla-foundation/common_voice_7_0數據集的test分割上進行評估：

python eval.py --model_id anuragshas/wav2vec2-large-xls-r-300m-as --dataset mozilla-foundation/common_voice_7_0 --config as --split test

評估結果

在Common Voice 7 "test" 數據集上的字錯率（WER）評估結果如下：

📚 詳細文檔

模型描述

更多信息待補充。

預期用途與限制

更多信息待補充。

訓練和評估數據

更多信息待補充。

🔧 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）：0.0003
• 訓練批次大小（train_batch_size）：16
• 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）：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
• 學習率調度器熱身比例（lr_scheduler_warmup_ratio）：0.12
• 訓練輪數（num_epochs）：240

訓練結果

框架版本

• Transformers：4.16.0
• Pytorch：1.10.0+cu111
• Datasets：1.17.0
• Tokenizers：0.10.3

📄 許可證

該模型使用Apache-2.0許可證。