wav2vec2-large-xls-r-300m-Urdu

这个模型是在common_voice数据集上对 facebook/wav2vec2-xls-r-300m 进行微调得到的。在评估集上取得以下结果：

• 损失：0.9889
• WER：0.5607
• CER：0.2370

python eval.py --model_id kingabzpro/wav2vec2-large-xls-r-300m-Urdu --dataset mozilla-foundation/common_voice_8_0 --config ur --split test

带有语言模型的推理

from datasets import load_dataset, Audio
from transformers import pipeline
model = "kingabzpro/wav2vec2-large-xls-r-300m-Urdu"
data = load_dataset("mozilla-foundation/common_voice_8_0",
                     "ur",
                     split="test", 
                     streaming=True, 
                     use_auth_token=True)

sample_iter = iter(data.cast_column("path", 
                    Audio(sampling_rate=16_000)))
sample = next(sample_iter)

asr = pipeline("automatic-speech-recognition", model=model)
prediction = asr(sample["path"]["array"], 
                  chunk_length_s=5, 
                  stride_length_s=1)
prediction
# => {'text': 'اب یہ ونگین لمحاتانکھار دلمیں میںفوث کریلیا اجائ'}

训练超参数

训练过程中使用了以下超参数：

• 学习率：0.0001
• 训练批大小：32
• 评估批大小：8
• 种子：42
• 梯度累积步数：2
• 总训练批大小：64
• 优化器：Adam，betas=(0.9,0.999)，epsilon=1e-08
• lr_scheduler类型：线性
• lr_scheduler_warmup_steps：1000
• 训练轮数：200

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

Common Voice 8 "test"上的评估结果（WER）：