Wav2vec2 Large Xls R 300m Gn K1

🚀 wav2vec2-large-xls-r-300m-gn-k1

此模型是基于MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - GN数据集，对facebook/wav2vec2 - xls - r - 300m进行微调后的版本。它在评估集上取得了以下结果，可用于自动语音识别任务，为语音识别领域提供了有效的解决方案。

📚 详细文档

模型信息

评估结果

该模型在评估集上取得了以下结果：

• 损失值（Loss）：0.9220
• 词错误率（Wer）：0.6631

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-gn-k1 --dataset mozilla-foundation/common_voice_8_0 --config gn --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

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：0.00018
• 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）：600
• 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

本项目采用Apache 2.0许可证。