xls-r-1b-fa-cv8开源自动语音识别模型

首页

Xls R 1b Fa Cv8

由 ghofrani 开发

基于波斯语通用语音数据集微调的自动语音识别模型

语音识别

Transformers

其他#波斯语语音识别 #低词错误率 #Common Voice数据集

下载量 27

发布时间 : 3/2/2022

模型简介

该模型是在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - FA数据集上微调的自动语音识别(ASR)模型，专门用于波斯语语音识别任务。

模型特点

波斯语语音识别

专门针对波斯语优化的语音识别能力

基于通用语音数据集

使用MOZILLA-FOUNDATION/COMMON_VOICE_8_0数据集训练

低词错误率

在评估集上取得0.3022的词错误率

模型能力

波斯语语音转文本

连续语音识别

使用案例

语音转录

波斯语语音转录

将波斯语语音内容转换为文本

词错误率0.3022

语音助手

波斯语语音指令识别

用于波斯语语音助手或控制系统的语音指令识别

🚀 common8

这个模型是 wghts/checkpoint-20000 在 MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - FA 数据集上的微调版本。它在评估集上取得了以下结果：

损失值：0.3174
字错率（Wer）：0.3022

🚀 快速开始

此部分原文档未提供相关内容，暂不展示。

✨ 主要特性

此部分原文档未提供相关内容，暂不展示。

📦 安装指南

此部分原文档未提供相关内容，暂不展示。

💻 使用示例

此部分原文档未提供相关内容，暂不展示。

📚 详细文档

模型描述

此部分原文档提示需要更多信息，暂不展示。

预期用途和限制

此部分原文档提示需要更多信息，暂不展示。

训练和评估数据

此部分原文档提示需要更多信息，暂不展示。

训练过程

训练超参数

训练期间使用了以下超参数：

学习率：1e-06
训练批次大小：32
评估批次大小：16
随机种子：42
梯度累积步数：6
总训练批次大小：192
优化器：Adam，β值为(0.9, 0.999)，ε值为1e-08
学习率调度器类型：线性
学习率调度器热身步数：100
训练轮数：250.0
混合精度训练：原生自动混合精度（Native AMP）

训练结果

训练损失	轮数	步数	验证损失	字错率（Wer）
3.5847	1.93	500	3.5104	1.0
2.7858	3.86	1000	2.9601	1.0001
1.6827	5.79	1500	0.7853	0.7030
1.4656	7.72	2000	0.6076	0.6014
1.3693	9.65	2500	0.5114	0.5307
1.379	11.58	3000	0.4666	0.4940
1.2832	13.51	3500	0.4257	0.4593
1.1931	15.44	4000	0.4039	0.4427
1.2911	17.37	4500	0.3956	0.4295
1.1577	19.3	5000	0.3705	0.4114
1.1135	21.24	5500	0.3740	0.4010
1.19	23.17	6000	0.3611	0.3935
1.1008	25.1	6500	0.3503	0.3880
1.0805	27.03	7000	0.3427	0.3781
1.1556	28.96	7500	0.3442	0.3727
1.0596	30.89	8000	0.3398	0.3646
1.0219	32.82	8500	0.3312	0.3660
1.1042	34.75	9000	0.3287	0.3612
1.0273	36.68	9500	0.3236	0.3556
1.0383	38.61	10000	0.3217	0.3558
1.0498	40.54	10500	0.3205	0.3520
0.9969	42.47	11000	0.3125	0.3504
1.0658	44.4	11500	0.3120	0.3493
0.992	46.33	12000	0.3137	0.3476
0.9737	48.26	12500	0.3085	0.3413
1.0817	50.19	13000	0.3091	0.3418
0.9414	52.12	13500	0.3072	0.3344
0.9295	54.05	14000	0.3039	0.3322
1.0248	55.98	14500	0.2991	0.3325
0.9474	57.91	15000	0.3032	0.3348
0.928	59.85	15500	0.2999	0.3285
1.0321	61.78	16000	0.2982	0.3253
0.9255	63.71	16500	0.2970	0.3231
0.8928	65.64	17000	0.2993	0.3250
1.008	67.57	17500	0.2985	0.3222
0.9371	69.5	18000	0.2968	0.3216
0.9077	71.43	18500	0.3011	0.3299
1.0044	73.36	19000	0.3053	0.3306
0.9625	75.29	19500	0.3159	0.3295
0.9816	77.22	20000	0.3080	0.3304
0.9587	119.19	20500	0.3088	0.3284
0.9178	122.09	21000	0.3132	0.3320
1.0282	125.0	21500	0.3099	0.3266
0.9337	127.9	22000	0.3110	0.3317
0.8822	130.81	22500	0.3037	0.3247
0.9644	133.72	23000	0.3037	0.3238
0.9214	136.62	23500	0.3040	0.3234
0.9167	139.53	24000	0.3079	0.3203
0.9047	142.44	24500	0.3018	0.3177
0.8909	145.35	25000	0.3053	0.3181
0.9646	148.25	25500	0.3095	0.3229
0.8802	151.16	26000	0.3111	0.3192
0.8411	154.07	26500	0.3068	0.3123
0.9235	156.97	27000	0.3090	0.3177
0.8943	159.88	27500	0.3115	0.3179
0.8854	162.79	28000	0.3052	0.3157
0.8734	165.69	28500	0.3077	0.3124
0.8515	168.6	29000	0.3117	0.3128
0.912	171.51	29500	0.3039	0.3121
0.8669	174.42	30000	0.3120	0.3123
0.823	177.32	30500	0.3148	0.3118
0.9129	180.23	31000	0.3179	0.3101
0.8255	183.14	31500	0.3164	0.3114
0.8948	186.05	32000	0.3128	0.3101
0.8397	188.95	32500	0.3143	0.3068
0.8341	191.86	33000	0.3127	0.3136
0.873	194.76	33500	0.3149	0.3124
0.8232	197.67	34000	0.3166	0.3086
0.8002	200.58	34500	0.3149	0.3061
0.8621	203.49	35000	0.3160	0.3093
0.8123	206.39	35500	0.3141	0.3063
0.7995	209.3	36000	0.3174	0.3075
0.8271	212.21	36500	0.3173	0.3043
0.8059	215.12	37000	0.3176	0.3079
0.8835	218.02	37500	0.3169	0.3062
0.8027	220.93	38000	0.3203	0.3098
0.775	223.83	38500	0.3159	0.3068
0.8487	226.74	39000	0.3161	0.3072
0.7929	229.65	39500	0.3143	0.3037
0.7653	232.56	40000	0.3160	0.3048
0.8211	235.46	40500	0.3173	0.3031
0.7761	238.37	41000	0.3176	0.3025
0.7761	241.28	41500	0.3179	0.3027
0.7903	244.19	42000	0.3181	0.3016
0.7807	247.09	42500	0.3170	0.3027
0.8406	250.0	43000	0.3174	0.3022