语言:

• 维吾尔语 许可证: apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• mozilla-foundation/common_voice_8_0
• 鲁棒语音事件
• 维吾尔语 数据集:
• mozilla-foundation/common_voice_8_0 基础模型: facebook/wav2vec2-xls-r-300m 模型索引:
• 名称: XLS-R-300M 维吾尔语 CV8 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: Common Voice 8 类型: mozilla-foundation/common_voice_8_0 参数: ug 指标:
    • 类型: 词错误率(WER) 值: 30.5 名称: 测试WER
    • 类型: 字符错误率(CER) 值: 5.8 名称: 测试CER

XLS-R-300M 维吾尔语 CV8

本模型是基于facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - UG数据集上微调得到的版本。在评估集上取得了以下结果：

• 损失: 0.2026
• 词错误率(WER): 0.3248

模型描述

关于模型架构的描述，请参见facebook/wav2vec2-xls-r-300m

该模型的词汇表由维吾尔语波斯-阿拉伯字母表中的字母字符组成，并移除了标点符号。

预期用途与限制

该模型预计适用于以下低精度使用场景：

• 视频字幕草稿
• 广播录音索引

该模型尚不足以作为实时字幕辅助功能的替代品，也不应以侵犯Common Voice数据集贡献者或其他说话者隐私的方式使用。

训练与评估数据

训练数据使用了Common Voice官方划分的train和dev集合。官方test划分既作为验证数据也用于最终评估。

训练过程

在保持XLS-R模型特征提取层冻结的同时，针对维吾尔语CV8例句微调了最终的CTC/LM层。采用渐进式学习率策略：初始2000步预热阶段，最高0.0001学习率，随后在剩余的9400步（100个周期）中逐步冷却至0。

训练超参数

训练过程中使用以下超参数：

• 学习率: 0.0001
• 训练批大小: 16
• 评估批大小: 8
• 随机种子: 42
• 梯度累积步数: 4
• 总训练批大小: 64
• 优化器: Adam（β1=0.9, β2=0.999，ε=1e-08）
• 学习率调度器类型: 线性
• 学习率预热步数: 2000
• 训练周期数: 100.0
• 混合精度训练: 原生AMP

训练结果

框架版本

• Transformers 4.17.0.dev0
• PyTorch 1.10.2+cu102
• Datasets 1.18.3
• Tokenizers 0.11.0