语言:

• 爱沙尼亚语 许可证: Apache-2.0 标签:
• 自动语音识别
• Mozilla基金会/common_voice_8_0
• 训练生成
• 爱沙尼亚语
• 鲁棒语音事件
• 对话模型
• hf-asr排行榜 数据集:
• Mozilla基金会/common_voice_8_0 模型索引:
• 名称: sammy786/wav2vec2-xlsr-estonian 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: et 指标:
    • 名称: 测试WER 类型: wer 值: 23.61
    • 名称: 测试CER 类型: cer 值: 4.6
  • 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: et 指标:
    • 名称: 测试WER 类型: wer 值: 61.83
  • 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: et 指标:
    • 名称: 测试WER 类型: wer 值: 67.43

sammy786/wav2vec2-xlsr-estonian

该模型是基于facebook/wav2vec2-xls-r-1b在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - et数据集上微调的版本。 在评估集（训练数据集的10%与其他及开发数据集合并）上取得了以下结果：

• 损失: 17.94
• WER: 30.38

模型描述

对"facebook/wav2vec2-xls-r-1b"进行了微调。

预期用途与限制

需要更多信息

训练与评估数据

训练数据 - Common Voice芬兰语train.tsv、dev.tsv和other.tsv

训练过程

创建训练数据集时，合并了所有可用数据集并采用90-10分割。

训练超参数

训练过程中使用了以下超参数：

• 学习率: 0.000045637994662983496
• 训练批次大小: 8
• 评估批次大小: 16
• 随机种子: 13
• 梯度累积步数: 2
• 总训练批次大小: 32
• 优化器: Adam，参数beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: 带重启的余弦退火
• 学习率预热步数: 500
• 训练轮数: 30
• 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 1.17.1.dev0
• Tokenizers 0.10.3

评估命令

1. 在mozilla-foundation/common_voice_8_0的test分割上评估

python eval.py --model_id sammy786/wav2vec2-xlsr-estonian --dataset mozilla-foundation/common_voice_8_0 --config et --split test