Wav2vec2 Large Xls R 300m Myv V1

🚀 wav2vec2-large-xls-r-300m-myv-v1

該模型是基於 facebook/wav2vec2-xls-r-300m 在 MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - MYV 數據集上進行微調的版本。它在自動語音識別任務中表現出色，能夠有效處理相關語音數據。

✨ 主要特性

• 基於預訓練模型微調，在特定數據集上優化性能。
• 適用於自動語音識別任務。

📚 詳細文檔

評估指標

該模型在評估集上取得了以下結果：

• 損失值（Loss）：0.8537
• 詞錯誤率（Wer）：0.6160

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-myv-v1 --dataset mozilla-foundation/common_voice_8_0 --config myv --split test --log_outputs

2. 在 speech-recognition-community-v2/dev_data 上評估 由於在 speech-recognition-community-v2/dev_data 中未找到 Erzya 語言，暫無法評估。

訓練超參數

以下是訓練過程中使用的超參數：

• 學習率（learning_rate）：0.000222
• 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）：1000
• 訓練輪數（num_epochs）：150
• 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：1.18.2
• Tokenizers：0.11.0

📄 許可證

本項目採用 Apache-2.0 許可證。