语言:

• sw 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
• sw 数据集:
• mozilla-foundation/common_voice_8_0 模型索引:
• 名称: Akashpb13/Swahili_xlsr 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: sw 指标:
    • 名称: 测试WER 类型: wer 值: 0.11763625454589981
    • 名称: 测试CER 类型: cer 值: 0.02884228669922436
  • 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: kmr 指标:
    • 名称: 测试WER 类型: wer 值: 0.11763625454589981
    • 名称: 测试CER 类型: cer 值: 0.02884228669922436

Akashpb13/Swahili_xlsr

该模型是基于facebook/wav2vec2-xls-r-300m在MOZILLA-FOUNDATION/COMMON_VOICE_7_0 - hu数据集上微调的版本。 在评估集（训练数据集的10%与开发数据集合并）上取得了以下结果:

• 损失: 0.159032
• WER: 0.187934

模型描述

"facebook/wav2vec2-xls-r-300m"经过微调。

预期用途与限制

需要更多信息

训练与评估数据

训练数据 - Common voice Hausa的train.tsv和dev.tsv 仅考虑支持票数高于反对票数的数据点，并在合并common voice 7.0中所有数据集后去除重复项

训练过程

创建训练数据集时，所有可能的数据集被拼接，并采用90-10的比例划分。

训练超参数

训练期间使用的超参数如下:

• 学习率: 0.000096
• 训练批次大小: 16
• 评估批次大小: 16
• 随机种子: 13
• 梯度累积步数: 2
• 学习率调度器类型: cosine_with_restarts
• 学习率预热步数: 500
• 训练轮数: 80
• 混合精度训练: Native AMP

训练结果

框架版本

• Transformers 4.16.0.dev0
• Pytorch 1.10.0+cu102
• Datasets 1.18.3
• Tokenizers 0.10.3

评估命令

1. 在mozilla-foundation/common_voice_8_0的test分割上进行评估

python eval.py --model_id Akashpb13/Swahili_xlsr --dataset mozilla-foundation/common_voice_8_0 --config sw --split test