Wav2vec2 Large Xls R 300m Hi D3

🚀 wav2vec2-large-xls-r-300m-hi-d3

本模型是在MOZILLA - FOUNDATION/COMMON_VOICE_7_0 - HI数据集上对facebook/wav2vec2 - xls - r - 300m进行微调后的版本。它能够解决自动语音识别任务中的相关问题，为印地语的语音识别提供了有效的解决方案，具有一定的实用价值。

✨ 主要特性

• 支持印地语的自动语音识别。
• 基于微调的wav2vec2 - xls - r - 300m模型，在相关数据集上有特定的评估指标表现。

📚 详细文档

模型信息

评估结果

本模型在评估集上取得了以下结果：

• 损失值（Loss）: 0.7988
• 词错误率（Wer）: 0.3713

评估命令

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

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hi-d3 --dataset mozilla-foundation/common_voice_7_0 --config hi --split test --log_outputs

2. 在speech - recognition - community - v2/dev_data上进行评估： 印地语在speech - recognition - community - v2/dev_data中不可用。

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）: 0.000388
• 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（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）: 750
• 训练轮数（num_epochs）: 50
• 混合精度训练（mixed_precision_training）: 原生自动混合精度（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。