语言:

• kk 许可证: apache-2.0 标签:
• 自动语音识别
• mozilla-foundation/common_voice_8_0
• 训练生成
• kk
• 鲁棒语音事件
• 对话模型
• hf-asr排行榜 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: wav2vec2-xls-r-300m-kk-n2 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: tt 指标:
    • 名称: 测试WER 类型: wer 值: 0.4355
    • 名称: 测试CER 类型: cer 值: 0.10469915859660263
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: 鲁棒语音事件 - 开发数据 类型: speech-recognition-community-v2/dev_data 参数: vot 指标:
    • 名称: 测试WER 类型: wer 值: 不适用
    • 名称: 测试CER 类型: cer 值: 不适用

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

• 损失: 0.7149
• WER: 0.451

评估命令

1. 在mozilla-foundation/common_voice_8_0的测试集上评估

python eval.py --model_id DrishtiSharma/wav2vec2-xls-r-300m-kk-n2 --dataset mozilla-foundation/common_voice_8_0 --config kk --split test --log_outputs

2. 在speech-recognition-community-v2/dev_data上评估

在speech-recognition-community-v2/dev_data中未找到哈萨克语!

训练超参数

训练过程中使用了以下超参数:

• 学习率: 0.000222
• 训练批次大小: 16
• 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: 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: linear
• 学习率预热步数: 1000
• 训练轮数: 150.0
• 混合精度训练: 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