Wav2vec2 Large Xls R 300m Bg V1

🚀 wav2vec2-large-xls-r-300m-bg-v1 语音识别模型

本模型基于Transformer架构，是在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - BG数据集上对facebook/wav2vec2-xls-r-300m进行微调后的版本，可用于保加利亚语的自动语音识别任务，在相关评估集上有良好表现。

✨ 主要特性

• 多数据集适配：可在MOZILLA - FOUNDATION/COMMON_VOICE_8_0和speech - recognition - community - v2等数据集上进行评估。
• 明确的评估指标：在评估集上提供了Loss、Wer、CER等指标数据，方便衡量模型性能。
• 详细的训练参数：公开了训练时使用的超参数，如学习率、批次大小等，便于复现训练过程。

📚 详细文档

模型信息

评估结果

本模型在不同数据集上的评估结果如下：

• Common Voice 8数据集（保加利亚语）
  • Test WER：0.4709579127785184
  • Test CER：0.10205125354383235
• Robust Speech Event - Dev Data数据集（保加利亚语）
  • Test WER：0.7053128872366791
  • Test CER：0.210804311998487
• Robust Speech Event - Test Data数据集（保加利亚语）
  • Test WER：72.6

在评估集上的其他结果：

• Loss: 0.5197
• Wer: 0.4689

评估命令

在mozilla - foundation/common_voice_8_0测试集上评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-bg-v1 --dataset mozilla-foundation/common_voice_8_0 --config bg --split test --log_outputs

在speech - recognition - community - v2/dev_data数据集上评估

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-bg-v1 --dataset speech-recognition-community-v2/dev_data --config bg --split validation --chunk_length_s 10 --stride_length_s 1

训练超参数

• 学习率（learning_rate）：7e - 05
• 训练批次大小（train_batch_size）：32
• 评估批次大小（eval_batch_size）：16
• 随机种子（seed）：42
• 优化器（optimizer）：Adam，betas = (0.9, 0.999)，epsilon = 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）：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

📄 许可证

本模型使用Apache - 2.0许可证。