Xls Asr Vi 40h 1B

🚀 xls-asr-vi-40h-1B

本模型是 facebook/wav2vec2-xls-r-1b 在40小时的FPT开放语音数据集（FOSD）和Common Voice 7.0上微调后的版本。

🚀 快速开始

本部分暂未提供相关内容。

✨ 主要特性

• 基于预训练模型 facebook/wav2vec2-xls-r-1b 进行微调，适用于越南语的自动语音识别任务。
• 在多个语音数据集上进行了评估，展示了较好的词错误率（WER）和字符错误率（CER）。

📚 详细文档

基准测试WER结果

基准测试CER结果

评估

请使用 eval.py 文件进行评估：

python eval.py --model_id geninhu/xls-asr-vi-40h-1B --dataset mozilla-foundation/common_voice_7_0 --config vi --split test --log_outputs

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：5e-05
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：42
• 梯度累积步数：2
• 总训练批次大小：32
• 优化器：Adam，β=(0.9, 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：1500
• 训练轮数：10.0
• 混合精度训练：Native AMP

训练结果

框架版本

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

📄 许可证

本项目采用Apache-2.0许可证。