Malaya Speech Mrbrown Finetune1

🚀 malaya - speech_Mrbrown_finetune1

本模型是 [malay - huggingface/wav2vec2 - xls - r - 300m - mixed](https://huggingface.co/malay - huggingface/wav2vec2 - xls - r - 300m - mixed) 在 uob_singlish 数据集上的微调版本。本次使用自制数据集（将 “https://www.youtube.com/watch?v=a2ZOTD3R7JI” 的音频切片并编写相应的文字记录，总计4分钟）进行微调，结果非常不理想。这可能意味着训练/微调数据集必须是高质量的，至少要持续数小时；也可能是因为学习率设置得太高（0.01）。目前仍在寻找影响微调结果的关键因素。

🚀 快速开始

本模型在评估集上取得了以下结果：

• 损失值（Loss）：3.8458
• 字错率（Wer）：1.01

✨ 主要特性

该模型基于预训练模型 [malay - huggingface/wav2vec2 - xls - r - 300m - mixed](https://huggingface.co/malay - huggingface/wav2vec2 - xls - r - 300m - mixed) 在特定数据集上进行微调，可用于相关语音识别任务。

🔧 技术细节

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：0.01
• 训练批次大小（train_batch_size）：2
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 梯度累积步数（gradient_accumulation_steps）：2
• 总训练批次大小（total_train_batch_size）：4
• 优化器（optimizer）：Adam，其中 betas=(0.9, 0.999)，epsilon = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 学习率调度器热身步数（lr_scheduler_warmup_steps）：500
• 训练轮数（num_epochs）：100
• 混合精度训练（mixed_precision_training）：原生自动混合精度（Native AMP）

训练结果

框架版本

• Transformers：4.11.3
• Pytorch：1.10.0 + cu113
• Datasets：1.18.3
• Tokenizers：0.10.3