语言:

• sl 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
• 鲁棒语音事件
• sl 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: wav2vec2-large-xls-r-300m-sl-with-LM-v2 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: sl 指标:
    • 名称: 测试WER 类型: wer 值: 0.21695212999560826
    • 名称: 测试CER 类型: cer 值: 0.052850080572474256
    • 名称: 测试WER (+LM) 类型: wer 值: 0.14551310203484116
    • 名称: 测试CER (+LM) 类型: cer 值: 0.03927566711277415
  • 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: sl 指标:
    • 名称: 开发WER 类型: wer 值: 0.560722380639029
    • 名称: 开发CER 类型: cer 值: 0.2279626093074681
    • 名称: 开发WER (+LM) 类型: wer 值: 0.46486802661402354
    • 名称: 开发CER (+LM) 类型: cer 值: 0.21105136194592422
  • 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 - 测试数据 类型: speech-recognition-community-v2/eval_data 参数: sl 指标:
    • 名称: 测试WER 类型: wer 值: 46.69

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

• 损失: 0.2855
• 词错误率(WER): 0.2401

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-sl-with-LM-v2 --dataset mozilla-foundation/common_voice_8_0 --config sl --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-sl-with-LM-v2 --dataset speech-recognition-community-v2/dev_data --config sl --split validation --chunk_length_s 10 --stride_length_s 1

训练超参数

训练过程中使用了以下超参数：

• 学习率: 7e-05
• 训练批次大小: 32
• 评估批次大小: 32
• 随机种子: 42
• 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: 1000
• 训练轮数: 100.0
• 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