许可证：apache-2.0
语言：

• 越南语
  标签：
• 自动语音识别
• 通用语音数据集
• hf-asr排行榜
• 鲁棒语音事件
  数据集：
• mozilla-foundation/common_voice_7_0
  模型索引：
• 名称：xls-asr-vi-40h
  结果：
  • 任务：
    名称：语音识别
    类型：自动语音识别
    数据集：
    名称：Common Voice 7.0
    类型：mozilla-foundation/common_voice_7_0
    参数：vi
    指标：
    • 名称：测试WER（含语言模型）
      类型：wer
      值：56.57

xls-asr-vi-40h

该模型是基于facebook/wav2vec2-xls-r-300m在Common Voice 7.0越南语及私有数据集上微调的版本。在评估集上（未使用语言模型）取得如下结果：

• 损失：1.1177
• 词错误率（WER）：60.58

评估

请运行eval.py文件

!python eval_custom.py --model_id geninhu/xls-asr-vi-40h --dataset mozilla-foundation/common_voice_7_0 --config vi --split test  

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：5e-06
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 优化器：Adam（beta=(0.9,0.999)，epsilon=1e-08）
• 学习率调度器类型：线性
• 学习率预热步数：1500
• 训练轮次：50.0
• 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 1.17.1.dev0
• Tokenizers 0.11.0