语言:

• 日语 许可证: Apache-2.0 标签:
• 自动语音识别
• 训练生成
• hf-asr排行榜
• 日语
• mozilla-foundation/common_voice_8_0
• 鲁棒语音事件 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: XLS-R-300-m 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: ja 指标:
    • 名称: 测试WER 类型: wer 值: 95.82
    • 名称: 测试CER 类型: cer 值: 23.64
  • 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: de 指标:
    • 名称: 测试WER 类型: wer 值: 100.0
    • 名称: 测试CER 类型: cer 值: 30.99
  • 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: ja 指标:
    • 名称: 测试CER 类型: cer 值: 30.37
  • 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: ja 指标:
    • 名称: 测试CER 类型: cer 值: 34.42

该模型是基于facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - JA数据集上微调的版本。

训练和评估期间，使用pykakasi库将汉字转换为平假名。模型可以输出平假名和片假名字符。由于没有空格，WER不适合评估性能，CER更为合适。

在mozilla-foundation/common_voice_8_0上达到:

• cer: 23.64%

在speech-recognition-community-v2/dev_data上达到:

• cer: 30.99%

在评估集上取得以下结果:

• 损失: 0.5212
• WER: 1.3068

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练期间使用以下超参数:

• 学习率: 7.5e-05
• 训练批次大小: 48
• 评估批次大小: 8
• 随机种子: 42
• 优化器: Adam，beta=(0.9,0.999)，epsilon=1e-08
• 学习率调度器类型: 线性
• 学习率预热步数: 2000
• 训练轮数: 50.0
• 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

评估命令

1. 在mozilla-foundation/common_voice_8_0的test集上评估:

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-japanese --dataset mozilla-foundation/common_voice_8_0 --config ja --split test --log_outputs

2. 在mozilla-foundation/common_voice_8_0的test集上评估:

python ./eval.py --model_id AndrewMcDowell/wav2vec2-xls-r-300m-japanese --dataset speech-recognition-community-v2/dev_data --config de --split validation --chunk_length_s 5.0 --stride_length_s 1.0