许可证: apache-2.0 语言: as 标签:

• 音频
• 自动语音识别
• 语音
• xlsr微调
• 阿萨姆语
• 鲁棒语音事件
• hf-asr排行榜 数据集:
• mozilla-foundation/common_voice_7_0 模型索引:
• 名称: XLS-R-300M - 阿萨姆语 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: as 指标:
    • 名称: 测试WER 类型: wer 值: 72.64
    • 名称: 测试CER 类型: cer 值: 27.35

wav2vec2-large-xls-r-300m-assamese

该模型是基于facebook/wav2vec2-xls-r-300m在common_voice_7_0数据集上微调的版本。
在评估集上取得了以下结果：

• WER: 0.7954545454545454
• CER: 0.32341269841269843

模型描述

（待补充详细信息）

预期用途与限制

（待补充详细信息）

训练与评估数据

计算评估参数方法：

cd wav2vec2-large-xls-r-300m-assamese; python eval.py --model_id ./ --dataset mozilla-foundation/common_voice_7_0 --config as --split test --log_outputs

训练流程

训练超参数

训练过程中使用的超参数如下：

• 学习率: 3e-4
• 训练批次大小: 16
• 评估批次大小: 8
• 随机种子: 未提供
• 梯度累积步数: 2
• 总训练批次大小: 32
• 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: 500
• 训练轮数: 400
• 混合精度训练: Native AMP

训练结果

框架版本

• Transformers 4.11.3
• Pytorch 1.10.0+cu113
• Datasets 1.13.3
• Tokenizers 0.10.3