语言:

• 国际语 许可证: apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• 鲁棒语音事件
• mozilla-foundation/common_voice_8_0
• 鲁棒语音事件 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: wav2vec2-large-xls-r-300m-ia 结果:
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 8 类型: mozilla-foundation/common_voice_8_0 参数: ia 指标:
    • 名称: 使用语言模型的测试WER 类型: wer 值: 8.6074
    • 名称: 使用语言模型的测试CER 类型: cer 值: 2.4147

wav2vec2-large-xls-r-300m-ia

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

• 损失: 0.1452
• 词错误率(WER): 0.1253

训练过程

训练在Google Colab中进行，训练笔记本可在代码库中找到

训练和评估数据

语言模型基于数据集(Common Voice 8.0的国际语部分)训练集和验证集中处理的句子文本创建 评估在笔记本中进行，可在代码库中查看"notebook_evaluation_wav2vec2_ia.ipynb"

不使用语言模型的测试WER wer = 20.1776 % cer = 4.7205 %

使用语言模型的测试WER wer = 8.6074 % cer = 2.4147 %

使用eval.py进行评估

huggingface-cli login #登录huggingface获取访问common voice v8的认证令牌
#使用语言模型运行
python eval.py --model_id ayameRushia/wav2vec2-large-xls-r-300m-ia --dataset mozilla-foundation/common_voice_8_0 --config ia --split test

# 不使用语言模型运行
python eval.py --model_id ayameRushia/wav2vec2-large-xls-r-300m-ia --dataset mozilla-foundation/common_voice_8_0 --config ia --split test --greedy

训练超参数

训练期间使用的超参数如下:

• 学习率: 3e-05
• 训练批次大小: 16
• 评估批次大小: 4
• 随机种子: 42
• 梯度累积步数: 2
• 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: 400
• 训练轮数: 30
• 混合精度训练: Native AMP

训练结果

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.0+cu111
• Datasets 1.18.3
• Tokenizers 0.11.0