语言:

• 日语 许可证: apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• 日语
• mozilla-foundation/common_voice_8_0
• 鲁棒语音事件 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: XLS-R-300M - 日语 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 8 类型: mozilla-foundation/common_voice_8_0 参数: ja 指标:
    • 名称: 测试WER 类型: wer 值: 54.05
    • 名称: 测试CER 类型: cer 值: 27.54
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 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: ja 指标:
    • 名称: 验证WER 类型: wer 值: 48.77
    • 名称: 验证CER 类型: cer 值: 24.87
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 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: ja 指标:
    • 名称: 测试CER 类型: cer 值: 27.36

该模型用于将音频转录为日语平假名。

此模型是在mozilla-foundation/common_voice_8_0数据集上微调的facebook/wav2vec2-xls-r-300m版本。请注意，以下结果是通过以下方式实现的：

• 修改eval.py以适应使用场景。
• 由于汉字和片假名与平假名发音相同，我们使用pykakasi将所有文本转换为平假名，并使用fugashi进行分词。

在评估集上取得了以下结果：

• 损失: 0.7751
• CER: 0.2227

评估结果（运行./eval.py）：

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

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: 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: 1000
• 训练步数: 4000
• 混合精度训练: 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