许可协议：apache-2.0
基础模型：facebook/wav2vec2-large-lv60
标签：

• 训练生成
• 音素识别

模型索引：

• 名称：wav2vec2-large-lv60_phoneme-timit_english_timit-4k
  结果：
  • 任务：
    类型：音素识别
    名称：音素识别
    数据集：
    名称：TIMIT
    类型：timit-asr/timit_asr
    拆分：测试集
    参数：完整音素集
    指标：
    • 名称：音素错误率
      类型：PER
      值：0.1053

数据集：

• timit-asr/timit_asr

语言：

• 英语

指标：

• PER

库名称：transformers

wav2vec2-large-lv60_phoneme-timit_english_timit-4k

该模型是基于facebook/wav2vec2-large-lv60在TIMIT数据集上微调得到的版本。
在评估集上取得了以下结果：

• 损失：0.3354
• 音素错误率：0.1053（10.53%）

预期用途与限制

• 基于TIMIT音素集的音素识别

音素分类错误分析

元音音素

塞音音素

塞擦音音素

擦音音素

鼻音音素

半元音/滑音音素

训练与评估数据

• 训练集：TIMIT训练数据集（4620个样本）
• 测试集：TIMIT测试数据集（1680个样本）

训练流程

训练超参数

训练过程中使用的超参数如下：

• 学习率：0.0001
• 训练批次大小：16
• 评估批次大小：1
• 随机种子：42
• 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
• 训练总步数：3000
• 混合精度训练：原生AMP

训练结果

框架版本

• Transformers 4.38.1
• PyTorch 2.0.1
• Datasets 2.16.1
• Tokenizers 0.15.2