Wav2vec2 Large Xls R 300m As

🚀 wav2vec2-large-xls-r-300m-as

该模型是在common_voice数据集上对facebook/wav2vec2-xls-r-300m进行微调后的版本。它在评估集上取得了以下结果：

• 损失值：1.9068
• 字错率（Wer）：0.6679

✨ 主要特性

• 基于预训练模型facebook/wav2vec2-xls-r-300m在common_voice数据集上微调，适用于自动语音识别任务。
• 在评估集上有明确的损失值和字错率指标。

📦 安装指南

文档未提供安装相关内容，故跳过此章节。

💻 使用示例

基础用法

以下是使用该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-as"
sample_iter = iter(load_dataset("mozilla-foundation/common_voice_7_0", "as", 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
# => "জাহাজত তো তিশকুৰলৈ যাব কিন্তু জহাজিটো আহিপনে"

评估命令

在mozilla-foundation/common_voice_7_0数据集的test分割上进行评估：

python eval.py --model_id anuragshas/wav2vec2-large-xls-r-300m-as --dataset mozilla-foundation/common_voice_7_0 --config as --split test

评估结果

在Common Voice 7 "test" 数据集上的字错率（WER）评估结果如下：

📚 详细文档

模型描述

更多信息待补充。

预期用途与限制

更多信息待补充。

训练和评估数据

更多信息待补充。

🔧 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（learning_rate）：0.0003
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：8
• 随机种子（seed）：42
• 梯度累积步数（gradient_accumulation_steps）：2
• 总训练批次大小（total_train_batch_size）：32
• 优化器（optimizer）：Adam，β=(0.9, 0.999)，ε=1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 学习率调度器热身比例（lr_scheduler_warmup_ratio）：0.12
• 训练轮数（num_epochs）：240

训练结果

框架版本

• Transformers：4.16.0
• Pytorch：1.10.0+cu111
• Datasets：1.17.0
• Tokenizers：0.10.3

📄 许可证

该模型使用Apache-2.0许可证。