--- license: apache-2.0 base_model: facebook/wav2vec2-xls-r-300m tags: - generated_from_trainer datasets: - audiofolder metrics: - wer model-index: - name: wav2vec2-xls-r-300m-ja-syllable-cv-14 results: - task: name: Automatic Speech Recognition type: automatic-speech-recognition dataset: name: audiofolder type: audiofolder config: default split: train[:20%] args: default metrics: - name: Wer type: wer value: 0.04376879385232209 --- # wav2vec2-xls-r-300m-ja-syllable-cv-14 This model is a fine-tuned version of [facebook/wav2vec2-xls-r-300m](https://huggingface.co./facebook/wav2vec2-xls-r-300m) on Japanese using the train, dev, and validation splits of Common Voice 14.0. It achieves the following results on the evaluation set: - Loss: 0.2005 - Wer: 0.0438 ## Model description More information needed ## Intended uses & limitations More information needed ## Training and evaluation data Training: Common Voice 14.0 ja train, dev, validated Test: Common Voice 14.0 ja test[:20%] ## Training procedure | Reference | Prediction | | ------------- | ------------- | |オヤ ノ セダイイ カラ スル ト ドンナ ギキ モ カミコン ダ | オヤ ノ セダイ カラ スル ト ドンナ ゲーム キ モ ファミコン ダ| |ソコデ キミ ト シリアッ タ | ソコデ キミ ト シリアッ タ| |ケイサツ ガ マエ ノ コト サガシ テル ヨ | ケイサツ ガ オマエ ノ コト サガシ テル ヨ| |デカケル トキ ハンカチ ヲ モッ テ イキ マス | デカケル トキ ハンカチ ヲ モッ テ イキ マス| |ソー ナ ン デス | ソー ナ ン デス| |タナカ サン ニ テガミ ヲ ダシ マス | タナカ サン ニ テガミ ヲ ダシ マス| |イモート ワ チチ ニ オ ベント ヲ ツクッ テ アゲ マシ タ | イモート ワ チチ ニ オ ベントー ヲ ツクッ テ アゲ マシ タ| |イエ ニ ツイ タラ レンラク シ マス | イエ ニ ツイ タラ レンラク シ マス| |クセ ノ ナイ シカイ ガ ナツ アズ ニ ナッ テ | クセ ノ ナイ シカイ ガ モチアジ ニ ナッ テル| |バカ デ イミ | バカ デ イイ ン ダ ヨ| ### Training hyperparameters The following hyperparameters were used during training: - learning_rate: 0.0001 - train_batch_size: 2 - eval_batch_size: 1 - seed: 42 - gradient_accumulation_steps: 4 - total_train_batch_size: 8 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08 - lr_scheduler_type: linear - lr_scheduler_warmup_steps: 500 - num_epochs: 30 ### Training results | Training Loss | Epoch | Step | Validation Loss | Wer | |:-------------:|:-----:|:------:|:---------------:|:------:| | 3.9103 | 0.37 | 2000 | 0.6143 | 0.1658 | | 0.5883 | 0.75 | 4000 | 0.4720 | 0.1340 | | 0.4759 | 1.12 | 6000 | 0.4080 | 0.1193 | | 0.4115 | 1.49 | 8000 | 0.3758 | 0.1173 | | 0.3833 | 1.87 | 10000 | 0.3591 | 0.1134 | | 0.3351 | 2.24 | 12000 | 0.3440 | 0.1011 | | 0.3129 | 2.61 | 14000 | 0.3550 | 0.1001 | | 0.3016 | 2.99 | 16000 | 0.3041 | 0.0949 | | 0.262 | 3.36 | 18000 | 0.2885 | 0.0853 | | 0.2571 | 3.73 | 20000 | 0.2825 | 0.0874 | | 0.2382 | 4.1 | 22000 | 0.2816 | 0.0848 | | 0.2171 | 4.48 | 24000 | 0.2732 | 0.0770 | | 0.2116 | 4.85 | 26000 | 0.2665 | 0.0773 | | 0.1964 | 5.22 | 28000 | 0.2703 | 0.0819 | | 0.1905 | 5.6 | 30000 | 0.2748 | 0.0822 | | 0.1855 | 5.97 | 32000 | 0.2572 | 0.0757 | | 0.1653 | 6.34 | 34000 | 0.2964 | 0.0803 | | 0.1684 | 6.72 | 36000 | 0.2744 | 0.0745 | | 0.1661 | 7.09 | 38000 | 0.2640 | 0.0790 | | 0.1504 | 7.46 | 40000 | 0.2803 | 0.0785 | | 0.1555 | 7.84 | 42000 | 0.2459 | 0.0703 | | 0.1408 | 8.21 | 44000 | 0.2666 | 0.0736 | | 0.1343 | 8.58 | 46000 | 0.2546 | 0.0711 | | 0.1358 | 8.96 | 48000 | 0.2582 | 0.0691 | | 0.1256 | 9.33 | 50000 | 0.2616 | 0.0709 | | 0.1245 | 9.7 | 52000 | 0.2621 | 0.0712 | | 0.1195 | 10.07 | 54000 | 0.2819 | 0.0692 | | 0.1122 | 10.45 | 56000 | 0.2666 | 0.0699 | | 0.1094 | 10.82 | 58000 | 0.2504 | 0.0666 | | 0.1062 | 11.19 | 60000 | 0.2610 | 0.0666 | | 0.1023 | 11.57 | 62000 | 0.2586 | 0.0656 | | 0.1036 | 11.94 | 64000 | 0.2463 | 0.0646 | | 0.096 | 12.31 | 66000 | 0.2677 | 0.0676 | | 0.0942 | 12.69 | 68000 | 0.2284 | 0.0607 | | 0.0939 | 13.06 | 70000 | 0.2663 | 0.0658 | | 0.0857 | 13.43 | 72000 | 0.2583 | 0.0653 | | 0.0889 | 13.81 | 74000 | 0.2215 | 0.0616 | | 0.0832 | 14.18 | 76000 | 0.2502 | 0.0631 | | 0.0813 | 14.55 | 78000 | 0.2472 | 0.0638 | | 0.0796 | 14.93 | 80000 | 0.2218 | 0.0600 | | 0.0774 | 15.3 | 82000 | 0.2376 | 0.0600 | | 0.0754 | 15.67 | 84000 | 0.2361 | 0.0588 | | 0.0745 | 16.04 | 86000 | 0.2578 | 0.0618 | | 0.0722 | 16.42 | 88000 | 0.2468 | 0.0604 | | 0.0709 | 16.79 | 90000 | 0.2268 | 0.0597 | | 0.0688 | 17.16 | 92000 | 0.2270 | 0.0555 | | 0.0665 | 17.54 | 94000 | 0.2320 | 0.0565 | | 0.0651 | 17.91 | 96000 | 0.2408 | 0.0600 | | 0.062 | 18.28 | 98000 | 0.2286 | 0.0550 | | 0.0609 | 18.66 | 100000 | 0.2314 | 0.0558 | | 0.0598 | 19.03 | 102000 | 0.2275 | 0.0547 | | 0.057 | 19.4 | 104000 | 0.2359 | 0.0547 | | 0.0559 | 19.78 | 106000 | 0.2501 | 0.0565 | | 0.0557 | 20.15 | 108000 | 0.2186 | 0.0530 | | 0.0519 | 20.52 | 110000 | 0.2281 | 0.0520 | | 0.0532 | 20.9 | 112000 | 0.2342 | 0.0525 | | 0.0521 | 21.27 | 114000 | 0.2265 | 0.0527 | | 0.0513 | 21.64 | 116000 | 0.2263 | 0.0528 | | 0.0485 | 22.01 | 118000 | 0.2343 | 0.0535 | | 0.0454 | 22.39 | 120000 | 0.2393 | 0.0517 | | 0.0454 | 22.76 | 122000 | 0.2314 | 0.0520 | | 0.0448 | 23.13 | 124000 | 0.2395 | 0.0493 | | 0.0444 | 23.51 | 126000 | 0.2299 | 0.0509 | | 0.0434 | 23.88 | 128000 | 0.2300 | 0.0499 | | 0.0402 | 24.25 | 130000 | 0.2314 | 0.0498 | | 0.0395 | 24.63 | 132000 | 0.2259 | 0.0478 | | 0.0383 | 25.0 | 134000 | 0.2202 | 0.0481 | | 0.0374 | 25.37 | 136000 | 0.2158 | 0.0484 | | 0.0375 | 25.75 | 138000 | 0.2165 | 0.0471 | | 0.0366 | 26.12 | 140000 | 0.2142 | 0.0469 | | 0.0347 | 26.49 | 142000 | 0.2139 | 0.0468 | | 0.0337 | 26.87 | 144000 | 0.2152 | 0.0477 | | 0.0343 | 27.24 | 146000 | 0.2059 | 0.0463 | | 0.0328 | 27.61 | 148000 | 0.2108 | 0.0469 | | 0.0324 | 27.99 | 150000 | 0.2061 | 0.0453 | | 0.0302 | 28.36 | 152000 | 0.2026 | 0.0450 | | 0.0316 | 28.73 | 154000 | 0.2057 | 0.0450 | | 0.0298 | 29.1 | 156000 | 0.2005 | 0.0439 | | 0.0301 | 29.48 | 158000 | 0.1983 | 0.0440 | | 0.0296 | 29.85 | 160000 | 0.2005 | 0.0438 | ### Framework versions - Transformers 4.31.0 - Pytorch 2.0.1+cu117 - Datasets 2.14.3 - Tokenizers 0.13.3