Hausa Asr

🚀 Cdial/Hausa_xlsr

本模型是 facebook/wav2vec2-xls-r-300m 的微調版本。它在評估集（訓練數據集的 10% 與無效數據、報告數據、其他數據和開發數據集合並）上取得了以下結果：

• 損失值：0.275118
• 詞錯誤率（Wer）：0.329955

✨ 主要特性

• 適用於豪薩語的自動語音識別任務。
• 基於預訓練模型 facebook/wav2vec2-xls-r-300m 進行微調。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

文檔未提供代碼示例，暫不提供。

📚 詳細文檔

模型描述

對 "facebook/wav2vec2-xls-r-300m" 進行了微調。

預期用途與限制

需要更多信息。

訓練和評估數據

• 訓練數據：Common voice 豪薩語的 train.tsv、dev.tsv、invalidated.tsv、reported.tsv 和 other.tsv。僅考慮那些贊成票多於反對票的點，並且在合併 Common voice 7.0 中給出的所有數據集後去除了重複項。

訓練過程

為了創建訓練數據集，將所有可能的數據集進行了追加，並採用了 90 - 10 的分割。

訓練超參數

訓練期間使用了以下超參數：

• 學習率（learning_rate）：0.000096
• 訓練批次大小（train_batch_size）：16
• 評估批次大小（eval_batch_size）：16
• 隨機種子（seed）：13
• 梯度累積步數（gradient_accumulation_steps）：2
• 學習率調度器類型（lr_scheduler_type）：cosine_with_restarts
• 學習率調度器熱身步數（lr_scheduler_warmup_steps）：500
• 訓練輪數（num_epochs）：50
• 混合精度訓練（mixed_precision_training）：Native AMP

訓練結果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.18.3
• Tokenizers 0.10.3

評估命令

1. 在 mozilla-foundation/common_voice_8_0 的 test 分割上進行評估：

python eval.py --model_id Akashpb13/Hausa_xlsr --dataset mozilla-foundation/common_voice_8_0 --config ha --split test

🔧 技術細節

文檔未提供詳細技術實現細節，暫不提供。

📄 許可證

本項目採用 Apache-2.0 許可證。

模型指標信息