Wav2vec2 Xls R 300m Rm Vallader D1

🚀 wav2vec2-xls-r-300m-rm-vallader-d1 模型

本模型是基於MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - RM - VALLADER數據集對facebook/wav2vec2-xls-r-300m進行微調後的版本。它在自動語音識別任務中表現出色，為羅曼什 - 瓦拉德語的語音識別提供了有效的解決方案。

✨ 主要特性

• 基於預訓練模型facebook/wav2vec2-xls-r-300m進行微調，利用了大規模預訓練的優勢。
• 在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - RM - VALLADER數據集上進行訓練，適用於羅曼什 - 瓦拉德語的自動語音識別任務。
• 提供了評估命令和訓練超參數，方便復現和進一步優化。

📦 安裝指南

文檔未提供安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

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（Loss）: 0.2754
• 詞錯誤率（Wer）: 0.2831

評估命令

1. 在mozilla-foundation/common_voice_8_0測試集上進行評估

python eval.py --model_id DrishtiSharma/wav2vec2-xls-r-300m-rm-vallader-d1 --dataset mozilla-foundation/common_voice_8_0 --config rm-vallader --split test --log_outputs

2. 在speech-recognition-community-v2/dev_data上進行評估 羅曼什 - 瓦拉德語在speech-recognition-community-v2/dev_data中未找到。

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）: 32
• 評估批次大小（eval_batch_size）: 16
• 隨機種子（seed）: 42
• 優化器（optimizer）: Adam（betas=(0.9, 0.999)，epsilon = 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）: 500
• 訓練輪數（num_epochs）: 100.0
• 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 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

🔧 技術細節

文檔未提供具體的技術實現細節，故跳過此章節。

📄 許可證

本模型使用Apache - 2.0許可證。