语言:

• 维吾尔语 许可证: apache-2.0 标签:
• 自动语音识别
• mozilla-foundation/common_voice_7_0
• 训练生成
• 维吾尔语
• 鲁棒语音事件
• hf-asr排行榜 数据集:
• mozilla-foundation/common_voice_7_0 基础模型: facebook/wav2vec2-xls-r-300m 模型索引:
• 名称: XLS-R-300M 维吾尔语 CV7 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 7 类型: mozilla-foundation/common_voice_7_0 参数: 维吾尔语 指标:
    • 类型: 词错误率(WER) 值: 25.845 名称: 测试词错误率
    • 类型: 字符错误率(CER) 值: 4.795 名称: 测试字符错误率

XLS-R-300M 维吾尔语 CV7

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

• 损失: 0.1772
• 词错误率: 0.2589

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

该模型预计可用于一些低精度要求的场景，例如:

• 视频字幕草稿
• 广播录音索引

该模型不足以作为无障碍实时字幕的替代品，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集的组合。官方test集被用作验证数据以及最终评估。

训练过程

在微调过程中，XLS-R模型的特征提取层被冻结，同时在维吾尔语CV7例句上调整最终的CTC/LM层。采用了渐进式学习率，初始2000步为预热阶段，最大学习率为0.0001，随后在剩余的18500步(100个epoch)中逐渐冷却至0。

训练超参数

训练过程中使用了以下超参数:

• 学习率: 0.0001
• 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: 2000
• 训练轮数: 100.0
• 混合精度训练: 原生AMP

训练结果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.1+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0