Wav2vec2 Large Xls R 300m Hi CV7

🚀 wav2vec2-large-xls-r-300m-hi-CV7

本模型是基于 facebook/wav2vec2-xls-r-300m 在 MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - HI 数据集上微调得到的。它在语音自动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可靠的解决方案。

✨ 主要特性

• 支持印地语（hi）的自动语音识别。
• 基于 wav2vec2-large-xls-r-300m 模型微调，在特定数据集上有较好表现。
• 可用于 Automatic Speech Recognition 任务，在多个评估指标上有明确的评估结果。

📦 安装指南

文档未提供安装步骤，此部分跳过。

💻 使用示例

文档未提供代码示例，此部分跳过。

📚 详细文档

评估指标

该模型在评估集上取得了以下结果：

• 损失值（Loss）：0.6588
• 词错误率（Wer）：0.2987

评估命令

1. 在 mozilla-foundation/common_voice_8_0 测试集上进行评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-hi-CV7 --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 暂无可用评估命令（NA）

训练超参数

训练过程中使用了以下超参数：

• 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）：2000
• 训练轮数（num_epochs）：60
• 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

🔧 技术细节

文档未提供技术实现细节，此部分跳过。

📄 许可证

本模型采用 Apache-2.0 许可证。

📋 模型信息