Wav2vec2 Large Xls R 300m Sat A3

🚀 wav2vec2-large-xls-r-300m-sat-a3

本模型是在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - SAT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。它在自动语音识别任务中表现出色，能够有效处理相关语音数据，为语音识别领域提供了有力支持。

📚 详细文档

模型信息

模型索引

• 名称：wav2vec2 - large - xls - r - 300m - sat - a3
• 结果：
  • 任务：
    • 名称：自动语音识别
    • 类型：automatic - speech - recognition
    • 数据集：
      • 名称：Common Voice 8
      • 类型：mozilla - foundation/common_voice_8_0
      • 参数：sat
    • 指标：
      • 名称：Test WER
      • 类型：wer
      • 值：0.357429718875502
      • 名称：Test CER
      • 类型：cer
      • 值：0.14203730272596843
  • 任务：
    • 名称：自动语音识别
    • 类型：automatic - speech - recognition
    • 数据集：
      • 名称：Robust Speech Event - Dev Data
      • 类型：speech - recognition - community - v2/dev_data
      • 参数：sat
    • 指标：
      • 名称：Test WER
      • 类型：wer
      • 值：NA
      • 名称：Test CER
      • 类型：cer
      • 值：NA

评估结果

该模型在评估集上取得了以下结果：

• 损失：0.8961
• 字错率（Wer）：0.3976

评估命令

1. 在mozilla - foundation/common_voice_8_0测试分割集上进行评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sat-a3 --dataset mozilla-foundation/common_voice_8_0 --config sat --split test --log_outputs

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

⚠️ 重要提示

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

训练超参数

训练过程中使用了以下超参数：

• 学习率：0.0004
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 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：线性
• 学习率调度器热身步数：200
• 训练轮数：200
• 混合精度训练：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。