语言:

• 瑞典语 (sv-SE) 许可证: Apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• Mozilla基金会/common_voice_7_0
• 鲁棒语音事件
• 瑞典语 数据集:
• Mozilla基金会/common_voice_7_0 模型索引:
• 名称: XLS-R-300M - 瑞典语 - CV7 - v2 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 7 类型: mozilla-foundation/common_voice_7_0 参数: sv-SE 指标:
    • 名称: 测试WER 类型: wer 值: 15.99
    • 名称: 测试CER 类型: cer 值: 5.2
  • 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: sv 指标:
    • 名称: 测试WER 类型: wer 值: 24.41
    • 名称: 测试CER 类型: cer 值: 11.88

该模型是基于facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - SV-SE数据集上微调的版本。 在评估集上取得了以下结果:

• 损失: 0.2604
• 词错误率(WER): 0.2334

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: 7.5e-05
• 训练批次大小: 4
• 评估批次大小: 4
• 随机种子: 42
• 分布式类型: 多GPU
• 设备数量: 8
• 梯度累积步数: 1
• 总训练批次大小: 32
• 总评估批次大小: 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: 原生AMP

训练结果

参见Tensorboard

评估命令

1. 在mozilla-foundation/common_voice_7_0数据集的test分割上进行评估

python eval.py --model_id patrickvonplaten/xls-r-300-sv-cv7 --dataset mozilla-foundation/common_voice_7_0 --config sv-SE --split test

2. 在speech-recognition-community-v2/dev_data上进行评估

python eval.py --model_id patrickvonplaten/xls-r-300-sv-cv7 --dataset speech-recognition-community-v2/dev_data --config sv --split validation --chunk_length_s 5.0 --stride_length_s 1.0

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.9.0+cu111
• Datasets 1.18.4.dev0
• Tokenizers 0.10.3