Wav2vec2 Xls R 1b Japanese

🚀 日語語音識別模型 wav2vec2-xls-r-1b

本模型基於facebook/wav2vec2-xls-r-1b進行微調，使用了多個公開的日語語音數據集進行訓練，可用於日語語音識別任務，在多個基準測試中表現良好。

🚀 快速開始

評估模型

使用以下命令運行評估：

pip install mecab-python3 unidic-lite pykakasi
python eval.py --model_id vumichien/wav2vec2-xls-r-1b-japanese --dataset mozilla-foundation/common_voice_7_0 --config ja --split test --chunk_length_s 5.0 --stride_length_s 1.0 --log_outputs

✨ 主要特性

• 基於facebook/wav2vec2-xls-r-1b模型進行微調，適用於日語語音識別。
• 使用多個公開的日語語音數據集進行訓練，包括Common Voice 7.0、JUST、JSSS和CSS10等。
• 在多個基準測試中取得了較好的WER（詞錯誤率）和CER（字符錯誤率）結果。

📚 詳細文檔

模型描述

該模型是 facebook/wav2vec2-xls-r-1b 在多個公開日語語音數據集上的微調版本，這些數據集包括 Common Voice 7.0、JUST（東京大學猿渡實驗室的日語語音語料庫）、JSSS（用於摘要和簡化的日語語音語料庫）、CSS10（單說話人語音數據集集合）。預處理數據集可在 VUMICHIEN/COMMON_VOICE_LARGE_JSUT_JSSS_CSS10 中找到。

總訓練數據

約60小時

基準測試WER結果

基準測試CER結果

評估

請使用eval.py文件運行評估：

pip install mecab-python3 unidic-lite pykakasi
python eval.py --model_id vumichien/wav2vec2-xls-r-1b-japanese --dataset mozilla-foundation/common_voice_7_0 --config ja --split test --chunk_length_s 5.0 --stride_length_s 1.0 --log_outputs

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：5e-05
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 梯度累積步數：4
• 總訓練批次大小：64
• 優化器：Adam，β=(0.9, 0.999)，ε=1e-08
• 學習率調度器類型：線性
• 學習率調度器熱身步數：1000
• 訓練輪數：100.0
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.17.1.dev0
• Tokenizers 0.11.0

📄 許可證

本項目採用 Apache-2.0 許可證。