Xls R 300m Ur Cv8 Hi

由 HarrisDePerceptron 开发

这是一个基于wav2vec2架构的乌尔都语自动语音识别模型，在Common Voice 8.0乌尔都语数据集上微调

语音识别

Transformers

其他

开源协议:Apache-2.0 #乌尔都语ASR #多方言适配 #低资源优化

下载量 16

发布时间 : 3/2/2022

模型介绍

内容详情

替代品

模型简介

该模型专门用于乌尔都语的语音转文本任务，能够将乌尔都语语音转换为对应的文本内容。

模型特点

高精度乌尔都语识别

在Common Voice乌尔都语数据集上微调，针对乌尔都语语音优化

基于wav2vec2架构

采用强大的wav2vec2-large-xls-r-300m预训练模型作为基础

开源许可

使用Apache-2.0许可证，允许商业和研究使用

模型能力

乌尔都语语音识别

语音转文本

自动语音转录

使用案例

语音应用

语音助手

为乌尔都语用户开发语音控制助手

语音转录服务

将乌尔都语语音内容自动转换为文本

教育

语言学习应用

帮助学习者练习乌尔都语发音和听力

语言:

乌尔都语许可证: Apache-2.0 标签:
自动语音识别
mozilla-foundation/common_voice_8_0
训练生成数据集:
通用语音模型索引:
名称: '' 结果: []

该模型是基于DrishtiSharma/wav2vec2-large-xls-r-300m-hi-d3在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - UR数据集上微调的版本。在评估集上取得了以下结果：

损失值：1.5443
词错误率：0.7030

模型描述

需补充更多信息

用途与限制

需补充更多信息

训练与评估数据

需补充更多信息

训练流程

训练超参数

训练过程中使用了以下超参数：

学习率：0.000388
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：2
总训练批次大小：16
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：750
训练轮次：100.0
混合精度训练：原生AMP

训练结果

训练损失	轮次	步数	验证损失	词错误率
10.7052	1.96	100	3.4683	1.0
3.2395	3.92	200	3.1489	1.0
2.9951	5.88	300	2.9823	1.0007
2.3574	7.84	400	1.2614	0.7598
1.7287	9.8	500	1.1817	0.7421
1.6144	11.76	600	1.1315	0.7321
1.5598	13.73	700	1.2322	0.7550
1.5418	15.69	800	1.2721	0.7819
1.4578	17.65	900	1.1710	0.7531
1.4311	19.61	1000	1.2042	0.7491
1.3483	21.57	1100	1.1702	0.7465
1.3078	23.53	1200	1.1963	0.7421
1.2576	25.49	1300	1.1501	0.7280
1.2173	27.45	1400	1.2526	0.7299
1.2217	29.41	1500	1.2479	0.7310
1.1536	31.37	1600	1.2567	0.7432
1.0939	33.33	1700	1.2801	0.7247
1.0745	35.29	1800	1.2340	0.7151
1.0454	37.25	1900	1.2372	0.7151
1.0101	39.22	2000	1.2461	0.7376
0.9833	41.18	2100	1.2553	0.7269
0.9314	43.14	2200	1.2372	0.7015
0.9147	45.1	2300	1.3035	0.7358
0.8758	47.06	2400	1.2598	0.7092
0.8356	49.02	2500	1.2557	0.7144
0.8105	50.98	2600	1.2619	0.7236
0.7947	52.94	2700	1.3994	0.7491
0.7623	54.9	2800	1.2932	0.7133
0.7282	56.86	2900	1.2799	0.7089
0.7108	58.82	3000	1.3615	0.7148
0.6896	60.78	3100	1.3129	0.7041
0.6496	62.75	3200	1.4050	0.6934
0.6075	64.71	3300	1.3571	0.7026
0.6242	66.67	3400	1.3369	0.7063
0.5865	68.63	3500	1.4368	0.7140
0.5721	70.59	3600	1.4224	0.7066
0.5475	72.55	3700	1.4798	0.7118
0.5086	74.51	3800	1.5107	0.7232
0.4958	76.47	3900	1.4849	0.7089
0.5046	78.43	4000	1.4451	0.7114
0.4694	80.39	4100	1.4674	0.7089
0.4386	82.35	4200	1.5245	0.7103
0.4516	84.31	4300	1.5032	0.7103
0.4113	86.27	4400	1.5246	0.7196
0.3972	88.24	4500	1.5318	0.7114
0.4006	90.2	4600	1.5543	0.6982
0.4014	92.16	4700	1.5442	0.7048
0.3672	94.12	4800	1.5542	0.7137
0.3666	96.08	4900	1.5414	0.7018
0.3574	98.04	5000	1.5465	0.7059
0.3428	100.0	5100	1.5443	0.7030