NbAiLab/wav2vec2-xls-r-1b-npsc-bokmaal

wav2vec2-xls-r-1b-npsc

This model is a fine-tuned version of facebook/wav2vec2-xls-r-1b on the NbAiLab/NPSC (16K_mp3_bokmaal) dataset. It achieves the following results on the evaluation set:

• Loss: 0.1598
• WER: 0.0966

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

• learning_rate: 0.0001
• train_batch_size: 16
• eval_batch_size: 16
• seed: 42
• gradient_accumulation_steps: 2
• total_train_batch_size: 32
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 2000
• num_epochs: 15.0
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
0.8361	0.32	500	0.6304	0.4970
0.5703	0.64	1000	0.3195	0.2775
0.5451	0.97	1500	0.2700	0.2246
0.47	1.29	2000	0.2564	0.2329
0.4063	1.61	2500	0.2459	0.2099
0.374	1.93	3000	0.2175	0.1894
0.3297	2.26	3500	0.2036	0.1755
0.3145	2.58	4000	0.1957	0.1757
0.3989	2.9	4500	0.1923	0.1723
0.271	3.22	5000	0.1889	0.1649
0.2758	3.55	5500	0.1768	0.1588
0.2683	3.87	6000	0.1720	0.1534
0.2341	4.19	6500	0.1689	0.1471
0.2316	4.51	7000	0.1706	0.1405
0.2383	4.84	7500	0.1637	0.1426
0.2148	5.16	8000	0.1584	0.1347
0.2085	5.48	8500	0.1601	0.1387
0.2944	5.8	9000	0.1566	0.1294
0.1944	6.13	9500	0.1494	0.1271
0.1853	6.45	10000	0.1561	0.1247
0.235	6.77	10500	0.1461	0.1215
0.2286	7.09	11000	0.1447	0.1167
0.1781	7.41	11500	0.1502	0.1199
0.1714	7.74	12000	0.1425	0.1179
0.1725	8.06	12500	0.1427	0.1173
0.143	8.38	13000	0.1448	0.1142
0.154	8.7	13500	0.1392	0.1104
0.1447	9.03	14000	0.1404	0.1094
0.1471	9.35	14500	0.1404	0.1088
0.1479	9.67	15000	0.1414	0.1133
0.1607	9.99	15500	0.1458	0.1171
0.166	10.32	16000	0.1652	0.1264
0.188	10.64	16500	0.1713	0.1322
0.1461	10.96	17000	0.1423	0.1111
0.1289	11.28	17500	0.1388	0.1097
0.1273	11.61	18000	0.1438	0.1074
0.1317	11.93	18500	0.1312	0.1066
0.1448	12.25	19000	0.1446	0.1042
0.1424	12.57	19500	0.1386	0.1015
0.1392	12.89	20000	0.1379	0.1005
0.1408	13.22	20500	0.1408	0.0992
0.1239	13.54	21000	0.1338	0.0968
0.1244	13.86	21500	0.1335	0.0957
0.1254	14.18	22000	0.1382	0.0950
0.1597	14.51	22500	0.1544	0.0970
0.1566	14.83	23000	0.1589	0.0963

Framework versions

• Transformers 4.17.0.dev0
• Pytorch 1.10.2+cu113
• Datasets 1.18.3.dev0
• Tokenizers 0.11.0