Wav2vec2 Large Xls R 300m Ha Cv8

🚀 XLS - R - 300M - 豪萨语

本模型是在通用语音数据集上对 [facebook/wav2vec2 - xls - r - 300m](https://huggingface.co/facebook/wav2vec2 - xls - r - 300m) 进行微调后的版本。它在评估集上取得了以下成绩：

• 损失值：0.6094
• 词错误率（Wer）：0.5234

🚀 快速开始

本模型在评估集上有较好的表现，以下是一些使用相关的信息。

📦 安装指南

文档未提及安装步骤，暂不展示。

💻 使用示例

基础用法

以下是使用语言模型进行推理的示例代码：

import torch
from datasets import load_dataset
from transformers import AutoModelForCTC, AutoProcessor
import torchaudio.functional as F
model_id = "anuragshas/wav2vec2-large-xls-r-300m-ha-cv8"
sample_iter = iter(load_dataset("mozilla-foundation/common_voice_8_0", "ha", split="test", streaming=True, use_auth_token=True))
sample = next(sample_iter)
resampled_audio = F.resample(torch.tensor(sample["audio"]["array"]), 48_000, 16_000).numpy()
model = AutoModelForCTC.from_pretrained(model_id)
processor = AutoProcessor.from_pretrained(model_id)
input_values = processor(resampled_audio, return_tensors="pt").input_values
with torch.no_grad():
    logits = model(input_values).logits
transcription = processor.batch_decode(logits.numpy()).text
# => "kakin hade ya ke da kyautar"

高级用法

评估命令

在 mozilla - foundation/common_voice_8_0 数据集的 test 分割上进行评估：

python eval.py --model_id anuragshas/wav2vec2-large-xls-r-300m-ha-cv8 --dataset mozilla-foundation/common_voice_8_0 --config ha --split test

📚 详细文档

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：0.0001
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：13
• 梯度累积步数：2
• 总训练批次大小：32
• 优化器：Adam（β1 = 0.9，β2 = 0.999，ε = 1e - 08）
• 学习率调度器类型：带重启的余弦退火
• 学习率调度器热身步数：1000
• 训练轮数：100

训练结果

框架版本

• Transformers 4.16.1
• Pytorch 1.10.0 + cu111
• Datasets 1.18.2
• Tokenizers 0.11.0

评估结果

在通用语音 8 “测试” 集上的评估结果（词错误率 WER）：

🔧 技术细节

文档未提供足够的技术实现细节，暂不展示。

📄 许可证

本项目采用 Apache - 2.0 许可证。