语言:

• 印地语 许可证: apache-2.0 标签:
• 自动语音识别
• hf-asr-leaderboard
• 鲁棒语音事件 数据集:
• mozilla-foundation/common_voice_7_0 指标:
• 词错误率(WER) 模型索引:
• 名称: wav2vec2-large-xls-r-300m-hi-wx1 结果:
  • 任务: 类型: 自动语音识别 名称: 语音识别 数据集: 类型: mozilla-foundation/common_voice_7_0 名称: Common Voice 7 参数: hi 指标:
    • 类型: WER 值: 37.19684845500431 名称: 测试WER
    • 名称: 测试CER 类型: CER 值: 11.763235514672798

wav2vec2-large-xls-r-300m-hi-wx1

该模型是在MOZILLA-FOUNDATION/COMMON_VOICE_7_0 -HI数据集上对facebook/wav2vec2-xls-r-300m进行微调的版本。 在评估集上取得了以下结果:

• 损失: 0.6552
• WER: 0.3200

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-hi-wx1 --dataset mozilla-foundation/common_voice_7_0 --config hi --split test --log_outputs

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

不适用

训练超参数

训练过程中使用了以下超参数:

• 学习率: 0.00024
• 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: 线性
• 学习率预热步数: 1800
• 训练轮数: 50
• 混合精度训练: Native AMP

训练结果

框架版本

• Transformers 4.16.2
• Pytorch 1.10.0+cu111
• Datasets 1.18.3
• Tokenizers 0.11.0