Wav2vec2 Large Xls R 300m Hi D3

🚀 wav2vec2-large-xls-r-300m-hi-d3

本模型是在MOZILLA - FOUNDATION/COMMON_VOICE_7_0 - HI數據集上對facebook/wav2vec2 - xls - r - 300m進行微調後的版本。它能夠解決自動語音識別任務中的相關問題，為印地語的語音識別提供了有效的解決方案，具有一定的實用價值。

✨ 主要特性

• 支持印地語的自動語音識別。
• 基於微調的wav2vec2 - xls - r - 300m模型，在相關數據集上有特定的評估指標表現。

📚 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：

• 損失值（Loss）: 0.7988
• 詞錯誤率（Wer）: 0.3713

評估命令

1. 在mozilla - foundation/common_voice_8_0的測試分割集上進行評估：

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hi-d3 --dataset mozilla-foundation/common_voice_7_0 --config hi --split test --log_outputs

2. 在speech - recognition - community - v2/dev_data上進行評估： 印地語在speech - recognition - community - v2/dev_data中不可用。

訓練超參數

訓練過程中使用了以下超參數：

• 學習率（learning_rate）: 0.000388
• 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（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）: 750
• 訓練輪數（num_epochs）: 50
• 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 4.16.2
• 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。