Wav2vec2 Xls R 300m Hebrew
W
Wav2vec2 Xls R 300m Hebrew
由 imvladikon 开发
这是一个基于facebook/wav2vec2-xls-r-300m模型微调的希伯来语自动语音识别模型,通过两阶段训练在小规模和大规模数据集上优化性能。
下载量 1.2M
发布时间 : 3/2/2022
模型简介
该模型专门用于希伯来语的自动语音识别任务,通过两阶段微调过程在小规模高质量数据集和大规模多样化数据集上进行训练,以提高识别准确率。
模型特点
两阶段微调训练
先在小规模高质量数据集上微调,再在大规模多样化数据集上进行二次训练,提高模型鲁棒性
多源数据训练
训练数据包含高质量标注数据、多样化来源数据以及模型弱标记的未标记数据
低词错误率
在小规模测试集上达到17.73%的词错误率,在大规模测试集上达到23.18%的词错误率
模型能力
希伯来语语音识别
音频转文本
鲁棒语音处理
使用案例
语音转录
希伯来语会议记录
将希伯来语会议录音自动转录为文本
词错误率约23.18%
希伯来语语音助手
为希伯来语语音助手提供语音识别能力
语音分析
希伯来语语音内容分析
分析希伯来语语音内容并提取关键信息
🚀 wav2vec2-xls-r-300m-hebrew
该模型是基于 facebook/wav2vec2-xls-r-300m 在私有数据集上进行两阶段微调得到的。首先在一个包含优质样本的小数据集上进行微调,然后将得到的模型在一个大数据集上进行微调,该大数据集结合了小的优质数据集、来自不同来源的各种样本,以及一个使用先前训练的模型进行弱标注的未标注数据集。
📦 数据集详情
小数据集
划分 | 大小(GB) | 样本数量 | 时长(小时) |
---|---|---|---|
训练集 | 4.19 | 20306 | 28 |
验证集 | 1.05 | 5076 | 7 |
大数据集
划分 | 大小(GB) | 样本数量 | 时长(小时) |
---|---|---|---|
训练集 | 12.3 | 90777 | 69 |
验证集 | 2.39 | 20246 | 14* |
(*验证集未使用弱标注数据)
📊 训练结果
第一次训练后
- 小数据集
- 损失:0.5438
- 字错率(WER):0.1773
- 大数据集
- 字错率(WER):0.3811
第二次训练后
- 小数据集
- 字错率(WER):0.1697
- 大数据集
- 损失:0.4502
- 字错率(WER):0.2318
🔧 训练过程
训练超参数
第一次训练
训练过程中使用了以下超参数:
- 学习率:0.0003
- 训练批次大小:8
- 评估批次大小:8
- 随机种子:42
- 分布式类型:多GPU
- 设备数量:2
- 梯度累积步数:4
- 总训练批次大小:64
- 总评估批次大小:16
- 优化器:Adam(β1 = 0.9,β2 = 0.999,ε = 1e-08)
- 学习率调度器类型:线性
- 学习率调度器热身步数:1000
- 训练轮数:100.0
- 混合精度训练:原生自动混合精度(Native AMP)
第一次训练结果
训练损失 | 轮数 | 步数 | 验证损失 | 字错率(WER) |
---|---|---|---|---|
无记录 | 3.15 | 1000 | 0.5203 | 0.4333 |
1.4284 | 6.31 | 2000 | 0.4816 | 0.3951 |
1.4284 | 9.46 | 3000 | 0.4315 | 0.3546 |
1.283 | 12.62 | 4000 | 0.4278 | 0.3404 |
1.283 | 15.77 | 5000 | 0.4090 | 0.3054 |
1.1777 | 18.93 | 6000 | 0.3893 | 0.3006 |
1.1777 | 22.08 | 7000 | 0.3968 | 0.2857 |
1.0994 | 25.24 | 8000 | 0.3892 | 0.2751 |
1.0994 | 28.39 | 9000 | 0.4061 | 0.2690 |
1.0323 | 31.54 | 10000 | 0.4114 | 0.2507 |
1.0323 | 34.7 | 11000 | 0.4021 | 0.2508 |
0.9623 | 37.85 | 12000 | 0.4032 | 0.2378 |
0.9623 | 41.01 | 13000 | 0.4148 | 0.2374 |
0.9077 | 44.16 | 14000 | 0.4350 | 0.2323 |
0.9077 | 47.32 | 15000 | 0.4515 | 0.2246 |
0.8573 | 50.47 | 16000 | 0.4474 | 0.2180 |
0.8573 | 53.63 | 17000 | 0.4649 | 0.2171 |
0.8083 | 56.78 | 18000 | 0.4455 | 0.2102 |
0.8083 | 59.94 | 19000 | 0.4587 | 0.2092 |
0.769 | 63.09 | 20000 | 0.4794 | 0.2012 |
0.769 | 66.25 | 21000 | 0.4845 | 0.2007 |
0.7308 | 69.4 | 22000 | 0.4937 | 0.2008 |
0.7308 | 72.55 | 23000 | 0.4920 | 0.1895 |
0.6927 | 75.71 | 24000 | 0.5179 | 0.1911 |
0.6927 | 78.86 | 25000 | 0.5202 | 0.1877 |
0.6622 | 82.02 | 26000 | 0.5266 | 0.1840 |
0.6622 | 85.17 | 27000 | 0.5351 | 0.1854 |
0.6315 | 88.33 | 28000 | 0.5373 | 0.1811 |
0.6315 | 91.48 | 29000 | 0.5331 | 0.1792 |
0.6075 | 94.64 | 30000 | 0.5390 | 0.1779 |
0.6075 | 97.79 | 31000 | 0.5459 | 0.1773 |
第二次训练
训练过程中使用了以下超参数:
- 学习率:0.0003
- 训练批次大小:8
- 评估批次大小:8
- 随机种子:42
- 分布式类型:多GPU
- 设备数量:2
- 梯度累积步数:4
- 总训练批次大小:64
- 总评估批次大小:16
- 优化器:Adam(β1 = 0.9,β2 = 0.999,ε = 1e-08)
- 学习率调度器类型:线性
- 学习率调度器热身步数:1000
- 训练轮数:60.0
- 混合精度训练:原生自动混合精度(Native AMP)
第二次训练结果
训练损失 | 轮数 | 步数 | 验证损失 | 字错率(WER) |
---|---|---|---|---|
无记录 | 0.7 | 1000 | 0.5371 | 0.3811 |
1.3606 | 1.41 | 2000 | 0.5247 | 0.3902 |
1.3606 | 2.12 | 3000 | 0.5126 | 0.3859 |
1.3671 | 2.82 | 4000 | 0.5062 | 0.3828 |
1.3671 | 3.53 | 5000 | 0.4979 | 0.3672 |
1.3421 | 4.23 | 6000 | 0.4906 | 0.3816 |
1.3421 | 4.94 | 7000 | 0.4784 | 0.3651 |
1.328 | 5.64 | 8000 | 0.4810 | 0.3669 |
1.328 | 6.35 | 9000 | 0.4747 | 0.3597 |
1.3109 | 7.05 | 10000 | 0.4813 | 0.3808 |
1.3109 | 7.76 | 11000 | 0.4631 | 0.3561 |
1.2873 | 8.46 | 12000 | 0.4603 | 0.3431 |
1.2873 | 9.17 | 13000 | 0.4579 | 0.3533 |
1.2661 | 9.87 | 14000 | 0.4471 | 0.3365 |
1.2661 | 10.58 | 15000 | 0.4584 | 0.3437 |
1.249 | 11.28 | 16000 | 0.4461 | 0.3454 |
1.249 | 11.99 | 17000 | 0.4482 | 0.3367 |
1.2322 | 12.69 | 18000 | 0.4464 | 0.3335 |
1.2322 | 13.4 | 19000 | 0.4427 | 0.3454 |
1.22 | 14.1 | 20000 | 0.4440 | 0.3395 |
1.22 | 14.81 | 21000 | 0.4459 | 0.3378 |
1.2044 | 15.51 | 22000 | 0.4406 | 0.3199 |
1.2044 | 16.22 | 23000 | 0.4398 | 0.3155 |
1.1913 | 16.92 | 24000 | 0.4237 | 0.3150 |
1.1913 | 17.63 | 25000 | 0.4287 | 0.3279 |
1.1705 | 18.34 | 26000 | 0.4253 | 0.3103 |
1.1705 | 19.04 | 27000 | 0.4234 | 0.3098 |
1.1564 | 19.75 | 28000 | 0.4174 | 0.3076 |
1.1564 | 20.45 | 29000 | 0.4260 | 0.3160 |
1.1461 | 21.16 | 30000 | 0.4235 | 0.3036 |
1.1461 | 21.86 | 31000 | 0.4309 | 0.3055 |
1.1285 | 22.57 | 32000 | 0.4264 | 0.3006 |
1.1285 | 23.27 | 33000 | 0.4201 | 0.2880 |
1.1135 | 23.98 | 34000 | 0.4131 | 0.2975 |
1.1135 | 24.68 | 35000 | 0.4202 | 0.2849 |
1.0968 | 25.39 | 36000 | 0.4105 | 0.2888 |
1.0968 | 26.09 | 37000 | 0.4210 | 0.2834 |
1.087 | 26.8 | 38000 | 0.4123 | 0.2843 |
1.087 | 27.5 | 39000 | 0.4216 | 0.2803 |
1.0707 | 28.21 | 40000 | 0.4161 | 0.2787 |
1.0707 | 28.91 | 41000 | 0.4186 | 0.2740 |
1.0575 | 29.62 | 42000 | 0.4118 | 0.2845 |
1.0575 | 30.32 | 43000 | 0.4243 | 0.2773 |
1.0474 | 31.03 | 44000 | 0.4221 | 0.2707 |
1.0474 | 31.73 | 45000 | 0.4138 | 0.2700 |
1.0333 | 32.44 | 46000 | 0.4102 | 0.2638 |
1.0333 | 33.15 | 47000 | 0.4162 | 0.2650 |
1.0191 | 33.85 | 48000 | 0.4155 | 0.2636 |
1.0191 | 34.56 | 49000 | 0.4129 | 0.2656 |
1.0087 | 35.26 | 50000 | 0.4157 | 0.2632 |
1.0087 | 35.97 | 51000 | 0.4090 | 0.2654 |
0.9901 | 36.67 | 52000 | 0.4183 | 0.2587 |
0.9901 | 37.38 | 53000 | 0.4251 | 0.2648 |
0.9795 | 38.08 | 54000 | 0.4229 | 0.2555 |
0.9795 | 38.79 | 55000 | 0.4176 | 0.2546 |
0.9644 | 39.49 | 56000 | 0.4223 | 0.2513 |
0.9644 | 40.2 | 57000 | 0.4244 | 0.2530 |
0.9534 | 40.9 | 58000 | 0.4175 | 0.2538 |
0.9534 | 41.61 | 59000 | 0.4213 | 0.2505 |
0.9397 | 42.31 | 60000 | 0.4275 | 0.2565 |
0.9397 | 43.02 | 61000 | 0.4315 | 0.2528 |
0.9269 | 43.72 | 62000 | 0.4316 | 0.2501 |
0.9269 | 44.43 | 63000 | 0.4247 | 0.2471 |
0.9175 | 45.13 | 64000 | 0.4376 | 0.2469 |
0.9175 | 45.84 | 65000 | 0.4335 | 0.2450 |
0.9026 | 46.54 | 66000 | 0.4336 | 0.2452 |
0.9026 | 47.25 | 67000 | 0.4400 | 0.2427 |
0.8929 | 47.95 | 68000 | 0.4382 | 0.2429 |
0.8929 | 48.66 | 69000 | 0.4361 | 0.2415 |
0.8786 | 49.37 | 70000 | 0.4413 | 0.2398 |
0.8786 | 50.07 | 71000 | 0.4392 | 0.2415 |
0.8714 | 50.78 | 72000 | 0.4345 | 0.2406 |
0.8714 | 51.48 | 73000 | 0.4475 | 0.2402 |
0.8589 | 52.19 | 74000 | 0.4473 | 0.2374 |
0.8589 | 52.89 | 75000 | 0.4457 | 0.2357 |
0.8493 | 53.6 | 76000 | 0.4462 | 0.2366 |
0.8493 | 54.3 | 77000 | 0.4494 | 0.2356 |
0.8395 | 55.01 | 78000 | 0.4472 | 0.2352 |
0.8395 | 55.71 | 79000 | 0.4490 | 0.2339 |
0.8295 | 56.42 | 80000 | 0.4489 | 0.2318 |
0.8295 | 57.12 | 81000 | 0.4469 | 0.2320 |
0.8225 | 57.83 | 82000 | 0.4478 | 0.2321 |
0.8225 | 58.53 | 83000 | 0.4525 | 0.2326 |
0.816 | 59.24 | 84000 | 0.4532 | 0.2316 |
0.816 | 59.94 | 85000 | 0.4502 | 0.2318 |
💻 框架版本
- Transformers 4.17.0.dev0
- Pytorch 1.10.2+cu102
- Datasets 1.18.2.dev0
- Tokenizers 0.11.0
📄 模型指标
属性 | 详情 |
---|---|
模型类型 | 自动语音识别 |
训练数据 | 小数据集和大数据集,包含不同来源的样本和弱标注数据 |
测试字错率(WER) | 23.18% |
Voice Activity Detection
MIT
基于pyannote.audio 2.1版本的语音活动检测模型,用于识别音频中的语音活动时间段
语音识别
V
pyannote
7.7M
181
Wav2vec2 Large Xlsr 53 Portuguese
Apache-2.0
这是一个针对葡萄牙语语音识别任务微调的XLSR-53大模型,基于Common Voice 6.1数据集训练,支持葡萄牙语语音转文本。
语音识别 其他
W
jonatasgrosman
4.9M
32
Whisper Large V3
Apache-2.0
Whisper是由OpenAI提出的先进自动语音识别(ASR)和语音翻译模型,在超过500万小时的标注数据上训练,具有强大的跨数据集和跨领域泛化能力。
语音识别 支持多种语言
W
openai
4.6M
4,321
Whisper Large V3 Turbo
MIT
Whisper是由OpenAI开发的最先进的自动语音识别(ASR)和语音翻译模型,经过超过500万小时标记数据的训练,在零样本设置下展现出强大的泛化能力。
语音识别
Transformers 支持多种语言

W
openai
4.0M
2,317
Wav2vec2 Large Xlsr 53 Russian
Apache-2.0
基于facebook/wav2vec2-large-xlsr-53模型微调的俄语语音识别模型,支持16kHz采样率的语音输入
语音识别 其他
W
jonatasgrosman
3.9M
54
Wav2vec2 Large Xlsr 53 Chinese Zh Cn
Apache-2.0
基于facebook/wav2vec2-large-xlsr-53模型微调的中文语音识别模型,支持16kHz采样率的语音输入。
语音识别 中文
W
jonatasgrosman
3.8M
110
Wav2vec2 Large Xlsr 53 Dutch
Apache-2.0
基于facebook/wav2vec2-large-xlsr-53微调的荷兰语语音识别模型,在Common Voice和CSS10数据集上训练,支持16kHz音频输入。
语音识别 其他
W
jonatasgrosman
3.0M
12
Wav2vec2 Large Xlsr 53 Japanese
Apache-2.0
基于facebook/wav2vec2-large-xlsr-53模型微调的日语语音识别模型,支持16kHz采样率的语音输入
语音识别 日语
W
jonatasgrosman
2.9M
33
Mms 300m 1130 Forced Aligner
基于Hugging Face预训练模型的文本与音频强制对齐工具,支持多种语言,内存效率高
语音识别
Transformers 支持多种语言

M
MahmoudAshraf
2.5M
50
Wav2vec2 Large Xlsr 53 Arabic
Apache-2.0
基于facebook/wav2vec2-large-xlsr-53微调的阿拉伯语语音识别模型,在Common Voice和阿拉伯语语音语料库上训练
语音识别 阿拉伯语
W
jonatasgrosman
2.3M
37
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98