Wav2vec2 Large Xls R 300m Bg

🚀 XLS-R-300M - 保加利亚语

本模型是 facebook/wav2vec2-xls-r-300m 在 MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - BG 数据集上的微调版本。它在评估集上取得了以下成果：

• 损失：0.2473
• 词错误率（Wer）：0.3002

🚀 快速开始

本模型是基于预训练模型在特定数据集上微调得到，可用于保加利亚语的自动语音识别任务。以下是评估和推理的相关信息。

✨ 主要特性

• 基于预训练模型 facebook/wav2vec2-xls-r-300m 微调，适用于保加利亚语语音识别。
• 提供了详细的训练超参数和训练结果记录。
• 给出了不同数据集上的评估命令和推理代码示例。

📦 安装指南

文档未提及具体安装步骤，可参考原预训练模型 facebook/wav2vec2-xls-r-300m 的安装说明。

💻 使用示例

基础用法

评估命令

1. 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-bg --dataset mozilla-foundation/common_voice_8_0 --config bg --split test

2. 在 speech-recognition-community-v2/dev_data 数据集上进行评估：

python eval.py --model_id anuragshas/wav2vec2-large-xls-r-300m-bg --dataset speech-recognition-community-v2/dev_data --config bg --split validation --chunk_length_s 5.0 --stride_length_s 1.0

高级用法

带语言模型的推理

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-bg"
sample_iter = iter(load_dataset("mozilla-foundation/common_voice_8_0", "bg", 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
# => "и надутият му ката блоонкурем взе да се събира"

📚 详细文档

模型信息

评估结果

本模型在以下任务和数据集上的评估结果如下：

评估集结果

🔧 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：7.5e-05
• 训练批次大小：32
• 评估批次大小：16
• 随机种子：42
• 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：50.0
• 混合精度训练：原生自动混合精度 (Native AMP)

训练结果

框架版本

• Transformers：4.17.0.dev0
• Pytorch：1.10.2+cu102
• Datasets：1.18.2.dev0
• Tokenizers：0.11.0

📄 许可证

本模型使用 Apache-2.0 许可证。