语言:

• 塞尔维亚语(sr) 许可证: Apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• 对话模型
• mozilla-foundation/common_voice_8_0
• 鲁棒语音赛事
• 塞尔维亚语(sr) 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: wav2vec2-large-xls-r-300m-sr-v4 成果:
  • 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: sr 指标:
    • 名称: 测试WER(词错误率) 类型: wer 值: 0.303313
    • 名称: 测试CER(字符错误率) 类型: cer 值: 0.1048951
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: 鲁棒语音赛事-开发数据 类型: speech-recognition-community-v2/dev_data 参数: sr 指标:
    • 名称: 测试WER 类型: wer 值: 0.9486784706184245
    • 名称: 测试CER 类型: cer 值: 0.8084369606584945
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: 鲁棒语音赛事-测试数据 类型: speech-recognition-community-v2/eval_data 参数: sr 指标:
    • 名称: 测试WER 类型: wer 值: 94.53

wav2vec2-large-xls-r-300m-sr-v4

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

• 损失值: 0.5570
• 词错误率(WER): 0.3038

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-large-xls-r-300m-sr-v4 --dataset mozilla-foundation/common_voice_8_0 --config sr --split test --log_outputs

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

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-sr-v4 --dataset speech-recognition-community-v2/dev_data --config sr --split validation --chunk_length_s 10 --stride_length_s 1

训练超参数

训练过程中使用的超参数如下：

• 学习率: 0.0003
• 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 (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: 800
• 训练轮数: 200
• 混合精度训练: 原生AMP

训练结果

框架版本

• Transformers 4.16.2
• PyTorch 1.10.0+cu111
• Datasets 1.18.2
• Tokenizers 0.11.0