语言: 韩语
许可证: Apache-2.0
标签:

• 自动语音识别
• 训练生成
• hf-asr排行榜
• 鲁棒语音赛事

数据集:

• kresnik/zeroth_korean

基础模型: Wav2Vec2-XLS-R-300M

模型索引:

• 名称: Wav2Vec2 XLS-R 300M 韩语版
  结果:
  • 任务:
    类型: 自动语音识别
    名称: 自动语音识别
    数据集:
    名称: Zeroth Korean
    类型: kresnik/zeroth_korean
    参数: clean
    指标:
    • 类型: 词错误率(WER)
      值: 29.54
      名称: 测试WER
    • 类型: 字错误率(CER)
      值: 9.53
      名称: 测试CER
  • 任务:
    类型: 自动语音识别
    名称: 自动语音识别
    数据集:
    名称: 鲁棒语音赛事 - 开发数据
    类型: speech-recognition-community-v2/dev_data
    参数: ko
    指标:
    • 类型: 词错误率(WER)
      值: 76.26
      名称: 测试WER
    • 类型: 字错误率(CER)
      值: 38.67
      名称: 测试CER
  • 任务:
    类型: 自动语音识别
    名称: 自动语音识别
    数据集:
    名称: 鲁棒语音赛事 - 测试数据
    类型: speech-recognition-community-v2/eval_data
    参数: ko
    指标:
    • 类型: 词错误率(WER)
      值: 73.18
      名称: 测试WER

Wav2Vec2 XLS-R 300M 韩语版

Wav2Vec2 XLS-R 300M 韩语版是基于XLS-R架构的自动语音识别模型。该模型是在Zeroth Korean数据集上对Wav2Vec2-XLS-R-300M进行微调的版本。

本模型使用HuggingFace的PyTorch框架训练，并参与了由HuggingFace组织的鲁棒语音挑战赛。所有训练均在OVH赞助的Tesla V100上完成。

训练使用的所有脚本可在文件与版本标签页查看，训练指标通过Tensorboard记录。

模型

评估结果

模型在评估中取得以下结果：

训练过程

训练超参数

训练使用以下超参数：

• 学习率: 7.5e-05
• 训练批次大小: 8
• 评估批次大小: 8
• 随机种子: 42
• 梯度累积步数: 4
• 总训练批次大小: 32
• 优化器: Adam，参数betas=(0.9, 0.999)，epsilon=1e-08
• 学习率调度器类型: 线性
• 学习率预热步数: 2000
• 训练轮数: 50.0
• 混合精度训练: 原生AMP

训练结果

免责声明

请注意预训练数据集可能存在的偏见可能会影响本模型的输出结果。

作者

Wav2Vec2 XLS-R 300M 韩语版由Wilson Wongso训练和评估。所有计算和开发均在OVH云平台上完成。

框架版本

• Transformers 4.17.0.dev0
• PyTorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.10.3