Xls R 1b Cv 8 Fr

🚀 XLS - R - 1B - 法语语音识别模型

本项目是一个基于微调的自动语音识别模型，在法语语音数据集上进行训练，可有效识别法语语音内容，在多个语音数据集上有良好的表现。

🚀 快速开始

评估命令

1. 在 mozilla - foundation/common_voice_8 的 test 分割集上进行评估

python eval.py --model_id Plim/xls-r-1b-cv_8-fr --dataset mozilla-foundation/common_voice_8_0 --config fr --split test

2. 在 speech - recognition - community - v2/dev_data 上进行评估

python eval.py --model_id Plim/xls-r-1b-cv_8-fr --dataset speech-recognition-community-v2/dev_data --config fr --split validation --chunk_length_s 5.0 --stride_length_s 1.0

✨ 主要特性

• 基于 facebook/wav2vec2 - xls - r - 1b 模型进行微调，在法语语音识别任务上有良好表现。
• 支持使用语言模型（LM）进行评估，能有效降低词错误率（WER）和字符错误率（CER）。

📚 详细文档

模型描述

此模型是 [facebook/wav2vec2 - xls - r - 1b](https://huggingface.co/facebook/wav2vec2 - xls - r - 1b) 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - FR 数据集上的微调版本。

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（learning_rate）：7.5e - 05
• 训练批次大小（train_batch_size）：16
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 梯度累积步数（gradient_accumulation_steps）：8
• 总训练批次大小（total_train_batch_size）：128
• 优化器（optimizer）：Adam，β1 = 0.9，β2 = 0.999，ε = 1e - 08
• 学习率调度器类型（lr_scheduler_type）：线性
• 学习率调度器热身步数（lr_scheduler_warmup_steps）：2000
• 训练轮数（num_epochs）：6.0
• 混合精度训练（mixed_precision_training）：Native AMP

训练结果

该模型在第 13000 步的验证集上取得了最佳结果：

• 词错误率（Wer）：0.1834

在计算验证损失时出现了一些问题。

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2 + cu102
• Datasets 1.18.3.dev0
• Tokenizers 0.11.0

评估结果

不使用语言模型（LM）：

使用语言模型（LM）：

📄 许可证

本模型使用 Apache - 2.0 许可证。

🔧 技术细节

模型信息

评估指标

本模型使用词错误率（WER）和字符错误率（CER）作为评估指标，以衡量模型在语音识别任务中的性能。在不同数据集和是否使用语言模型的情况下，模型的 WER 和 CER 表现有所不同。使用语言模型通常能降低 WER 和 CER，提高模型的识别准确性。