Wav2vec2 Xls R 1b Japanese Hiragana Katakana

🚀 自動語音識別模型

本模型是基於自動語音識別技術的模型，針對日語語音識別進行了優化。它在特定數據集上進行微調訓練，能夠實現高效準確的語音識別，為日語語音處理相關應用提供有力支持。

📄 許可證

本項目採用 Apache-2.0 許可證。

📚 詳細文檔

模型概述

此模型是 facebook/wav2vec2-xls-r-1b 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - JA 數據集上的微調版本。在評估集上取得了以下結果：

• 損失值（Loss）：0.5500
• 詞錯誤率（Wer）：1.0132
• 字符錯誤率（Cer）：0.1609

模型評估結果

訓練過程

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）：8
• 隨機種子（seed）：42
• 梯度累積步數（gradient_accumulation_steps）：4
• 總訓練批次大小（total_train_batch_size）：128
• 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）：1500
• 訓練輪數（num_epochs）：50.0
• 混合精度訓練（mixed_precision_training）：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

評估命令

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

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset mozilla-foundation/common_voice_8_0 --config ja --split test --log_outputs

2. 在 mozilla - foundation/common_voice_8_0 數據集的 test 分割上進行評估：

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0