Xls R 1b Cv 8 Fr

🚀 XLS - R - 1B - 法語語音識別模型

本項目是一個基於微調的自動語音識別模型，在法語語音數據集上進行訓練，可有效識別法語語音內容，在多個語音數據集上有良好的表現。

🚀 快速開始

評估命令

1. 在 mozilla - foundation/common_voice_8 的 test 分割集上進行評估

python eval.py --model_id Plim/xls-r-1b-cv_8-fr --dataset mozilla-foundation/common_voice_8_0 --config fr --split test

2. 在 speech - recognition - community - v2/dev_data 上進行評估

python eval.py --model_id Plim/xls-r-1b-cv_8-fr --dataset speech-recognition-community-v2/dev_data --config fr --split validation --chunk_length_s 5.0 --stride_length_s 1.0

✨ 主要特性

• 基於 facebook/wav2vec2 - xls - r - 1b 模型進行微調，在法語語音識別任務上有良好表現。
• 支持使用語言模型（LM）進行評估，能有效降低詞錯誤率（WER）和字符錯誤率（CER）。

📚 詳細文檔

模型描述

此模型是 [facebook/wav2vec2 - xls - r - 1b](https://huggingface.co/facebook/wav2vec2 - xls - r - 1b) 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - FR 數據集上的微調版本。

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（learning_rate）：7.5e - 05
• 訓練批次大小（train_batch_size）：16
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：42
• 梯度累積步數（gradient_accumulation_steps）：8
• 總訓練批次大小（total_train_batch_size）：128
• 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）：2000
• 訓練輪數（num_epochs）：6.0
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

該模型在第 13000 步的驗證集上取得了最佳結果：

• 詞錯誤率（Wer）：0.1834

在計算驗證損失時出現了一些問題。

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2 + cu102
• Datasets 1.18.3.dev0
• Tokenizers 0.11.0

評估結果

不使用語言模型（LM）：

使用語言模型（LM）：

📄 許可證

本模型使用 Apache - 2.0 許可證。

🔧 技術細節

模型信息

評估指標

本模型使用詞錯誤率（WER）和字符錯誤率（CER）作為評估指標，以衡量模型在語音識別任務中的性能。在不同數據集和是否使用語言模型的情況下，模型的 WER 和 CER 表現有所不同。使用語言模型通常能降低 WER 和 CER，提高模型的識別準確性。