语言:

• 阿萨姆语(as) 许可证: apache-2.0 标签:
• 自动语音识别
• mozilla-foundation/common_voice_8_0
• 训练生成
• 阿萨姆语(as)
• 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-large-xls-r-300m-as-v9 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: hsb 指标:
    • 名称: 测试WER(词错误率) 类型: wer 值: 0.6163737676810973
    • 名称: 测试CER(字错误率) 类型: cer 值: 0.19496397642093005
  • 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: as 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
  • 任务: 名称: 自动语音识别 类型: automatic-speech-recognition 数据集: 名称: Common Voice 8.0 类型: mozilla-foundation/common_voice_8_0 参数: as 指标:
    • 名称: 测试WER 类型: wer 值: 61.64

wav2vec2-large-xls-r-300m-as-v9

本模型是基于facebook/wav2vec2-xls-r-300m在common_voice数据集上微调的版本。在评估集上取得如下结果：

• 损失值: 1.1679
• 词错误率(WER): 0.5761

评估命令

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

python eval.py --model_id DrishtiSharma/wav2vec2-large-xls-r-300m-as-v9 --dataset mozilla-foundation/common_voice_8_0 --config as --split test --log_outputs

2. 在speech-recognition-community-v2/dev_data上评估： 阿萨姆语(as)在speech-recognition-community-v2/dev_data中不可用

训练超参数

训练过程中使用以下超参数：

• 学习率: 0.000111
• 训练批大小: 16
• 评估批大小: 8
• 随机种子: 42
• 梯度累积步数: 2
• 总训练批大小: 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: 300
• 训练轮数: 200
• 混合精度训练: Native AMP

训练结果

框架版本

• Transformers 4.16.1
• PyTorch 1.10.0+cu111
• Datasets 1.18.2
• Tokenizers 0.11.0