语言: 韩语
许可证: Apache-2.0
标签:

• 自动语音识别
• 训练生成
• hf-asr-leaderboard
• 鲁棒语音事件
  数据集:
• kresnik/zeroth_korean
  基础模型: Wav2Vec2-XLS-R-300M
  模型索引:
• 名称: Wav2Vec2 XLS-R 300M 韩语语言模型
  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 韩语
    类型: kresnik/zeroth_korean
    参数: 干净
    指标:
    • 类型: 词错误率 (WER)
      值: 30.94
      名称: 测试 WER
    • 类型: 字错误率 (CER)
      值: 7.97
      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: 鲁棒语音事件 - 开发数据
    类型: speech-recognition-community-v2/dev_data
    参数: 韩语
    指标:
    • 类型: 词错误率 (WER)
      值: 68.34
      名称: 测试 WER
    • 类型: 字错误率 (CER)
      值: 37.08
      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: 鲁棒语音事件 - 测试数据
    类型: speech-recognition-community-v2/eval_data
    参数: 韩语
    指标:
    • 类型: 词错误率 (WER)
      值: 66.47
      名称: 测试 WER

Wav2Vec2 XLS-R 300M 韩语语言模型

Wav2Vec2 XLS-R 300M 韩语语言模型是基于 XLS-R 架构的自动语音识别模型。该模型是在 Zeroth 韩语 数据集上对 Wav2Vec2-XLS-R-300M 进行微调的版本。随后，该模型还添加了一个基于 Open Subtitles 韩语子集训练的 5-gram 语言模型。

该模型使用 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。

训练所用的所有脚本可在 文件与版本 标签页中找到，训练指标通过 Tensorboard 记录。

关于 N-gram 语言模型的训练，我们遵循了 HuggingFace 提供的 博客教程。

模型

评估结果

该模型在不使用语言模型时的评估结果如下：

添加语言模型后，其评估结果如下：

训练流程

训练过程中未添加语言模型。以下结果直接取自原始自动语音识别 模型训练。

训练超参数

训练中使用的超参数如下：

• 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，参数为 betas=(0.9, 0.999) 和 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: Native AMP

训练结果

免责声明

请注意，预训练数据集的偏差可能会影响该模型的评估结果。

作者

Wav2Vec2 XLS-R 300M 韩语语言模型由 Wilson Wongso 训练和评估。所有计算和开发均在 OVH 云上完成。

框架版本

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