Wav2vec2 Large Xls R 300m Sat Final

🚀 wav2vec2-large-xls-r-300m-sat-final

本模型是在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - SAT數據集上對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，能有效處理語音數據，為語音識別相關應用提供了有力支持。

📚 詳細文檔

模型信息

評估結果

• Common Voice 8數據集：
  • 測試集詞錯誤率（Test WER）：0.3493975903614458
  • 測試集字符錯誤率（Test CER）：0.13773314203730272
• Robust Speech Event - Dev Data數據集：
  • 測試集詞錯誤率（Test WER）：NA
  • 測試集字符錯誤率（Test CER）：NA

評估命令

1. 在mozilla - foundation/common_voice_8_0測試集上評估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sat-final --dataset mozilla-foundation/common_voice_8_0 --config sat --split test --log_outputs

2. 在speech - recognition - community - v2/dev_data上評估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sat-final --dataset speech-recognition-community-v2/dev_data --config sat --split validation --chunk_length_s 10 --stride_length_s 1

⚠️ 重要提示

Santali (Ol Chiki) 語言在speech - recognition - community - v2/dev_data數據集中未找到。

訓練超參數

• 學習率（learning_rate）：0.0004
• 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（betas=(0.9, 0.999)，epsilon = 1e - 08）
• 學習率調度器類型（lr_scheduler_type）：線性（linear）
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：170
• 訓練輪數（num_epochs）：200
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers：4.16.2
• Pytorch：1.10.0 + cu111
• Datasets：1.18.3
• Tokenizers：0.11.0

📄 許可證

本模型採用Apache - 2.0許可證。