Swahili Xlsr

🚀 Akashpb13/Swahili_xlsr

本模型是 facebook/wav2vec2-xls-r-300m 在 MOZILLA - FOUNDATION/COMMON_VOICE_7_0 - hu 数据集上的微调版本。它在评估集（训练数据集的 10% 与开发数据集合并）上取得了以下结果：

• 损失：0.159032
• 词错误率（Wer）：0.187934

✨ 主要特性

• 基于预训练的 facebook/wav2vec2-xls-r-300m 模型进行微调，在自动语音识别任务上有较好表现。
• 在多个数据集上进行评估，展示了其在不同场景下的性能。

📚 详细文档

模型描述

对 "facebook/wav2vec2-xls-r-300m" 进行了微调。

预期用途与限制

更多信息待补充。

训练和评估数据

• 训练数据：Common voice Hausa 的 train.tsv 和 dev.tsv。仅考虑那些赞成票数大于反对票数的点，并且在合并 Common voice 7.0 中给出的所有数据集后去除了重复项。

训练过程

为创建训练数据集，将所有可能的数据集进行了合并，并采用了 90 - 10 的分割方式。

训练超参数

训练期间使用了以下超参数：

• 学习率：0.000096
• 训练批次大小：16
• 评估批次大小：16
• 随机种子：13
• 梯度累积步数：2
• 学习率调度器类型：cosine_with_restarts
• 学习率调度器热身步数：500
• 训练轮数：80
• 混合精度训练：Native AMP

训练结果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.18.3
• Tokenizers 0.10.3

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 Akashpb13/Swahili_xlsr --dataset mozilla-foundation/common_voice_8_0 --config sw --split test

📄 许可证

本项目采用 Apache - 2.0 许可证。

📦 模型信息