Wav2vec2 Large Xls R 300m Sat Final

🚀 wav2vec2-large-xls-r-300m-sat-final

本模型是在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - SAT数据集上对facebook/wav2vec2 - xls - r - 300m进行微调后的版本。它在自动语音识别任务中表现出色，能有效处理语音数据，为语音识别相关应用提供了有力支持。

📚 详细文档

模型信息

评估结果

• Common Voice 8数据集：
  • 测试集词错误率（Test WER）：0.3493975903614458
  • 测试集字符错误率（Test CER）：0.13773314203730272
• Robust Speech Event - Dev Data数据集：
  • 测试集词错误率（Test WER）：NA
  • 测试集字符错误率（Test CER）：NA

评估命令

1. 在mozilla - foundation/common_voice_8_0测试集上评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sat-final --dataset mozilla-foundation/common_voice_8_0 --config sat --split test --log_outputs

2. 在speech - recognition - community - v2/dev_data上评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sat-final --dataset speech-recognition-community-v2/dev_data --config sat --split validation --chunk_length_s 10 --stride_length_s 1

⚠️ 重要提示

Santali (Ol Chiki) 语言在speech - recognition - community - v2/dev_data数据集中未找到。

训练超参数

• 学习率（learning_rate）：0.0004
• 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（betas=(0.9, 0.999)，epsilon = 1e - 08）
• 学习率调度器类型（lr_scheduler_type）：线性（linear）
• 学习率调度器热身步数（lr_scheduler_warmup_steps）：170
• 训练轮数（num_epochs）：200
• 混合精度训练（mixed_precision_training）：Native AMP

训练结果

框架版本

• Transformers：4.16.2
• Pytorch：1.10.0 + cu111
• Datasets：1.18.3
• Tokenizers：0.11.0

📄 许可证

本模型采用Apache - 2.0许可证。