🚀 wav2vec2-xls-r-300m-rm-vallader-d1 模型

本模型是基于MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - RM - VALLADER数据集对facebook/wav2vec2-xls-r-300m进行微调后的版本。它在自动语音识别任务中表现出色，为罗曼什 - 瓦拉德语的语音识别提供了有效的解决方案。

✨ 主要特性

• 基于预训练模型facebook/wav2vec2-xls-r-300m进行微调，利用了大规模预训练的优势。
• 在MOZILLA - FOUNDATION/COMMON_VOICE_8_0 - RM - VALLADER数据集上进行训练，适用于罗曼什 - 瓦拉德语的自动语音识别任务。
• 提供了评估命令和训练超参数，方便复现和进一步优化。

📦 安装指南

文档未提供安装步骤，故跳过此章节。

💻 使用示例

文档未提供代码示例，故跳过此章节。

📚 详细文档

模型信息

评估结果

本模型在评估集上取得了以下结果：

• 损失（Loss）: 0.2754
• 词错误率（Wer）: 0.2831

评估命令

1. 在mozilla-foundation/common_voice_8_0测试集上进行评估

python eval.py --model_id DrishtiSharma/wav2vec2-xls-r-300m-rm-vallader-d1 --dataset mozilla-foundation/common_voice_8_0 --config rm-vallader --split test --log_outputs

2. 在speech-recognition-community-v2/dev_data上进行评估 罗曼什 - 瓦拉德语在speech-recognition-community-v2/dev_data中未找到。

训练超参数

训练过程中使用了以下超参数：

• 学习率（learning_rate）: 7.5e - 05
• 训练批次大小（train_batch_size）: 32
• 评估批次大小（eval_batch_size）: 16
• 随机种子（seed）: 42
• 优化器（optimizer）: Adam（betas=(0.9, 0.999)，epsilon = 1e - 08）
• 学习率调度器类型（lr_scheduler_type）: 线性
• 学习率调度器热身步数（lr_scheduler_warmup_steps）: 500
• 训练轮数（num_epochs）: 100.0
• 混合精度训练（mixed_precision_training）: 原生自动混合精度（Native AMP）

训练结果

框架版本

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu102
• Datasets 1.18.2.dev0
• Tokenizers 0.11.0

🔧 技术细节

文档未提供具体的技术实现细节，故跳过此章节。

📄 许可证

本模型使用Apache - 2.0许可证。