语言:

• 捷克语 许可证: apache-2.0 标签:
• 自动语音识别
• 捷克语
• 训练生成
• hf-asr排行榜
• 对话模型
• mozilla-foundation/common_voice_8_0
• 强健语音事件 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: sammy786/wav2vec2-xlsr-czech 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: cs 指标:
    • 名称: 测试WER 类型: wer 值: 11.22
    • 名称: 测试CER 类型: cer 值: 2.52
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Robust Speech Event - 开发数据 类型: speech-recognition-community-v2/dev_data 参数: cs 指标:
    • 名称: 测试WER 类型: wer 值: 97.02
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Robust Speech Event - 测试数据 类型: speech-recognition-community-v2/eval_data 参数: cs 指标:
    • 名称: 测试WER 类型: wer 值: 69.7

sammy786/wav2vec2-xlsr-czech

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

• 损失: 7.26
• WER: 19.32

模型描述

"facebook/wav2vec2-xls-r-1b"经过微调。

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, invalidated.tsv和other.tsv

训练过程

为创建训练数据集，所有可能的数据集被合并，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: 4
• 总训练批次大小: 32
• 优化器: Adam，beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: cosine_with_restarts
• 学习率预热步数: 500
• 训练轮数: 7
• 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分割上进行评估

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