Wav2vec2 Large Xlsr 53 842h Luxembourgish 4h

🚀 Lemswasabi/wav2vec2-large-xlsr-53-842h-luxembourgish-4h

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，可用於盧森堡語的語音識別任務，為相關領域提供了有效的技術支持。

🚀 快速開始

此部分暫未提供相關內容，若有後續補充，可進一步完善。

✨ 主要特性

• 本模型基於wav2vec 2.0 large XLSR - 53進行微調，先使用從 RTL.lu 收集的842小時未標記盧森堡語語音數據進行預訓練，再在4小時標記的同領域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WER（詞錯誤率）為19.44，測試集WER為18.77；開發集CER（字符錯誤率）為7.16，測試集CER為6.43。

📚 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小時未標記盧森堡語語音數據進行預訓練，然後在4小時標記的同領域盧森堡語語音數據上進行微調。

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。

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=(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）：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

引用信息

本模型是論文 IMPROVING LUXEMBOURGISH SPEECH RECOGNITION WITH CROSS - LINGUAL SPEECH REPRESENTATIONS 的研究成果，該論文已提交至 IEEE SLT 2022 workshop。

@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

本項目採用MIT許可證。

📦 模型信息表格