Wav2vec2 Xls R 1b Japanese Hiragana Katakana

🚀 自动语音识别模型

本模型是基于自动语音识别技术的模型，针对日语语音识别进行了优化。它在特定数据集上进行微调训练，能够实现高效准确的语音识别，为日语语音处理相关应用提供有力支持。

📄 许可证

本项目采用 Apache-2.0 许可证。

📚 详细文档

模型概述

此模型是 facebook/wav2vec2-xls-r-1b 在 MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - JA 数据集上的微调版本。在评估集上取得了以下结果：

• 损失值（Loss）：0.5500
• 词错误率（Wer）：1.0132
• 字符错误率（Cer）：0.1609

模型评估结果

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）：7.5e - 05
• 训练批次大小（train_batch_size）：32
• 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）：4
• 总训练批次大小（total_train_batch_size）：128
• 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）：1500
• 训练轮数（num_epochs）：50.0
• 混合精度训练（mixed_precision_training）：Native AMP

训练结果

框架版本

• Transformers：4.17.0.dev0
• Pytorch：1.10.2 + cu102
• Datasets：1.18.2.dev0
• Tokenizers：0.11.0

评估命令

1. 在 mozilla - foundation/common_voice_8_0 数据集的 test 分割上进行评估：

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset mozilla-foundation/common_voice_8_0 --config ja --split test --log_outputs

2. 在 mozilla - foundation/common_voice_8_0 数据集的 test 分割上进行评估：

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-1b-japanese-hiragana-katakana --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0