Swahili Xlsr

🚀 Akashpb13/Swahili_xlsr

本模型是 facebook/wav2vec2-xls-r-300m 在 MOZILLA - FOUNDATION/COMMON_VOICE_7_0 - hu 數據集上的微調版本。它在評估集（訓練數據集的 10% 與開發數據集合並）上取得了以下結果：

• 損失：0.159032
• 詞錯誤率（Wer）：0.187934

✨ 主要特性

• 基於預訓練的 facebook/wav2vec2-xls-r-300m 模型進行微調，在自動語音識別任務上有較好表現。
• 在多個數據集上進行評估，展示了其在不同場景下的性能。

📚 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

更多信息待補充。

訓練和評估數據

• 訓練數據：Common voice Hausa 的 train.tsv 和 dev.tsv。僅考慮那些贊成票數大於反對票數的點，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

為創建訓練數據集，將所有可能的數據集進行了合併，並採用了 90 - 10 的分割方式。

訓練超參數

訓練期間使用了以下超參數：

• 學習率：0.000096
• 訓練批次大小：16
• 評估批次大小：16
• 隨機種子：13
• 梯度累積步數：2
• 學習率調度器類型：cosine_with_restarts
• 學習率調度器熱身步數：500
• 訓練輪數：80
• 混合精度訓練：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 數據集的 test 分割上進行評估：

python eval.py --model_id Akashpb13/Swahili_xlsr --dataset mozilla-foundation/common_voice_8_0 --config sw --split test

📄 許可證

本項目採用 Apache - 2.0 許可證。

📦 模型信息