wav2vec2-large-voxrex-npsc-nst

This model is a fine-tuned version of KBLab/wav2vec2-large-voxrex on the None dataset. It achieves the following results on the evaluation set:

• Loss: 0.0475
• Wer: 0.0514

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
3.3888	0.05	500	3.2558	1.0
2.7683	0.11	1000	2.4163	1.0000
0.6279	0.16	1500	0.3610	0.3608
0.5093	0.21	2000	0.2610	0.2776
0.4024	0.26	2500	0.2219	0.2303
0.3705	0.32	3000	0.1940	0.2043
0.3588	0.37	3500	0.1806	0.1822
0.3312	0.42	4000	0.1611	0.1736
0.3062	0.47	4500	0.1571	0.1619
0.2838	0.53	5000	0.1482	0.1552
0.2896	0.58	5500	0.1406	0.1482
0.2704	0.63	6000	0.1311	0.1467
0.263	0.69	6500	0.1258	0.1406
0.2574	0.74	7000	0.1252	0.1343
0.252	0.79	7500	0.1162	0.1279
0.2355	0.84	8000	0.1161	0.1275
0.2381	0.9	8500	0.1095	0.1247
0.2354	0.95	9000	0.1106	0.1250
0.234	1.0	9500	0.1044	0.1186
0.2094	1.05	10000	0.1052	0.1157
0.2088	1.11	10500	0.1026	0.1158
0.2123	1.16	11000	0.0998	0.1120
0.3087	1.21	11500	0.0971	0.1108
0.1995	1.26	12000	0.0973	0.1085
0.1989	1.32	12500	0.0928	0.1063
0.1993	1.37	13000	0.0920	0.1064
0.1996	1.42	13500	0.0904	0.1050
0.1917	1.48	14000	0.0895	0.1051
0.1857	1.53	14500	0.0889	0.1038
0.1871	1.58	15000	0.0867	0.1054
0.2047	1.63	15500	0.0866	0.1017
0.1845	1.69	16000	0.0865	0.1007
0.178	1.74	16500	0.0835	0.0999
0.1741	1.79	17000	0.0838	0.0985
0.1737	1.84	17500	0.0833	0.0966
0.1713	1.9	18000	0.0799	0.0963
0.1703	1.95	18500	0.0802	0.0950
0.1735	2.0	19000	0.0785	0.0926
0.1619	2.06	19500	0.0785	0.0930
0.1707	2.11	20000	0.0787	0.0928
0.17	2.16	20500	0.0765	0.0902
0.1604	2.21	21000	0.0772	0.0918
0.1576	2.27	21500	0.0745	0.0912
0.1529	2.32	22000	0.0741	0.0906
0.1435	2.37	22500	0.0751	0.0888
0.1526	2.42	23000	0.0734	0.0892
0.1471	2.48	23500	0.0746	0.0886
0.1553	2.53	24000	0.0727	0.0872
0.1641	2.58	24500	0.0720	0.0862
0.1495	2.64	25000	0.0707	0.0868
0.1498	2.69	25500	0.0719	0.0864
0.1438	2.74	26000	0.0703	0.0853
0.1532	2.79	26500	0.0710	0.0854
0.1435	2.85	27000	0.0690	0.0847
0.1486	2.9	27500	0.0683	0.0882
0.1359	2.95	28000	0.0673	0.0839
0.1309	3.0	28500	0.0687	0.0843
0.1312	3.06	29000	0.0696	0.0865
0.1387	3.11	29500	0.0667	0.0857
0.1327	3.16	30000	0.0667	0.0845
0.1251	3.21	30500	0.0662	0.0820
0.1415	3.27	31000	0.0652	0.0831
0.1221	3.32	31500	0.0660	0.0822
0.1337	3.37	32000	0.0658	0.0799
0.1342	3.43	32500	0.0650	0.0808
0.1391	3.48	33000	0.0658	0.0791
0.1351	3.53	33500	0.0654	0.0794
0.1309	3.58	34000	0.0650	0.0781
0.1317	3.64	34500	0.0629	0.0783
0.1326	3.69	35000	0.0637	0.0795
0.1296	3.74	35500	0.0624	0.0773
0.1156	3.79	36000	0.0613	0.0759
0.1242	3.85	36500	0.0627	0.0761
0.1251	3.9	37000	0.0638	0.0758
0.1335	3.95	37500	0.0620	0.0756
0.1374	4.01	38000	0.0628	0.0756
0.1227	4.06	38500	0.0637	0.0770
0.1144	4.11	39000	0.0637	0.0775
0.1222	4.16	39500	0.0630	0.0738
0.1207	4.22	40000	0.0607	0.0720
0.1181	4.27	40500	0.0608	0.0724
0.1259	4.32	41000	0.0608	0.0734
0.1137	4.37	41500	0.0623	0.0718
0.1275	4.43	42000	0.0620	0.0721
0.1218	4.48	42500	0.0599	0.0703
0.1212	4.53	43000	0.0612	0.0708
0.1144	4.59	43500	0.0589	0.0702
0.1199	4.64	44000	0.0589	0.0695
0.1113	4.69	44500	0.0601	0.0698
0.1108	4.74	45000	0.0584	0.0695
0.1196	4.8	45500	0.0596	0.0694
0.1216	4.85	46000	0.0578	0.0703
0.1188	4.9	46500	0.0596	0.0684
0.1122	4.95	47000	0.0584	0.0671
0.1115	5.01	47500	0.0594	0.0682
0.1777	5.06	48000	0.0597	0.0682
0.108	5.11	48500	0.0573	0.0691
0.1132	5.16	49000	0.0583	0.0666
0.1091	5.22	49500	0.0582	0.0672
0.1056	5.27	50000	0.0578	0.0674
0.1027	5.32	50500	0.0574	0.0671
0.1112	5.38	51000	0.0569	0.0659
0.1096	5.43	51500	0.0582	0.0662
0.1098	5.48	52000	0.0576	0.0667
0.1088	5.53	52500	0.0560	0.0679
0.1076	5.59	53000	0.0579	0.0664
0.1037	5.64	53500	0.0556	0.0661
0.1039	5.69	54000	0.0572	0.0675
0.108	5.74	54500	0.0562	0.0662
0.1069	5.8	55000	0.0576	0.0663
0.1066	5.85	55500	0.0564	0.0651
0.0939	5.9	56000	0.0566	0.0644
0.1118	5.96	56500	0.0570	0.0650
0.1111	6.01	57000	0.0563	0.0668
0.1014	6.06	57500	0.0557	0.0660
0.0971	6.11	58000	0.0567	0.0667
0.0932	6.17	58500	0.0559	0.0664
0.1002	6.22	59000	0.0551	0.0640
0.1028	6.27	59500	0.0560	0.0629
0.0992	6.32	60000	0.0547	0.0641
0.0975	6.38	60500	0.0556	0.0630
0.0957	6.43	61000	0.0555	0.0632
0.0931	6.48	61500	0.0546	0.0641
0.0999	6.54	62000	0.0556	0.0633
0.0998	6.59	62500	0.0539	0.0628
0.0991	6.64	63000	0.0559	0.0630
0.1027	6.69	63500	0.0549	0.0628
0.097	6.75	64000	0.0547	0.0628
0.0933	6.8	64500	0.0544	0.0633
0.0919	6.85	65000	0.0535	0.0640
0.0973	6.9	65500	0.0543	0.0619
0.0979	6.96	66000	0.0525	0.0620
0.1076	7.01	66500	0.0529	0.0615
0.0888	7.06	67000	0.0546	0.0617
0.0926	7.11	67500	0.0530	0.0636
0.0902	7.17	68000	0.0540	0.0631
0.1004	7.22	68500	0.0529	0.0624
0.0963	7.27	69000	0.0534	0.0631
0.0946	7.33	69500	0.0534	0.0601
0.0897	7.38	70000	0.0525	0.0607
0.0925	7.43	70500	0.0535	0.0599
0.0883	7.48	71000	0.0518	0.0605
0.0942	7.54	71500	0.0522	0.0587
0.0863	7.59	72000	0.0533	0.0593
0.0894	7.64	72500	0.0529	0.0587
0.0908	7.69	73000	0.0519	0.0596
0.0878	7.75	73500	0.0521	0.0585
0.0949	7.8	74000	0.0524	0.0588
0.0962	7.85	74500	0.0521	0.0581
0.0918	7.91	75000	0.0513	0.0579
0.0933	7.96	75500	0.0522	0.0582
0.0839	8.01	76000	0.0536	0.0579
0.0868	8.06	76500	0.0526	0.0577
0.086	8.12	77000	0.0525	0.0590
0.0801	8.17	77500	0.0533	0.0586
0.0845	8.22	78000	0.0516	0.0578
0.0895	8.27	78500	0.0530	0.0583
0.0841	8.33	79000	0.0515	0.0584
0.0921	8.38	79500	0.0518	0.0573
0.0897	8.43	80000	0.0514	0.0583
0.0889	8.49	80500	0.0508	0.0582
0.1783	8.54	81000	0.0507	0.0574
0.0854	8.59	81500	0.0505	0.0580
0.0855	8.64	82000	0.0513	0.0577
0.0843	8.7	82500	0.0508	0.0580
0.0858	8.75	83000	0.0501	0.0578
0.0814	8.8	83500	0.0509	0.0580
0.0823	8.85	84000	0.0509	0.0575
0.0857	8.91	84500	0.0499	0.0599
0.0787	8.96	85000	0.0505	0.0598
0.0805	9.01	85500	0.0510	0.0606
0.0798	9.07	86000	0.0515	0.0603
0.0812	9.12	86500	0.0507	0.0586
0.0781	9.17	87000	0.0511	0.0612
0.0814	9.22	87500	0.0508	0.0589
0.0821	9.28	88000	0.0507	0.0588
0.0808	9.33	88500	0.0498	0.0571
0.0793	9.38	89000	0.0502	0.0574
0.0791	9.43	89500	0.0498	0.0568
0.0779	9.49	90000	0.0507	0.0570
0.0777	9.54	90500	0.0508	0.0573
0.0816	9.59	91000	0.0493	0.0573
0.0835	9.64	91500	0.0496	0.0563
0.0827	9.7	92000	0.0493	0.0559
0.0904	9.75	92500	0.0492	0.0564
0.0753	9.8	93000	0.0503	0.0557
0.0748	9.86	93500	0.0493	0.0554
0.0759	9.91	94000	0.0499	0.0557
0.0825	9.96	94500	0.0498	0.0566
0.0787	10.01	95000	0.0499	0.0561
0.0804	10.07	95500	0.0499	0.0562
0.0784	10.12	96000	0.0500	0.0555
0.0747	10.17	96500	0.0497	0.0548
0.0748	10.22	97000	0.0492	0.0565
0.0732	10.28	97500	0.0493	0.0547
0.0766	10.33	98000	0.0490	0.0552
0.0762	10.38	98500	0.0504	0.0551
0.0744	10.44	99000	0.0496	0.0553
0.0702	10.49	99500	0.0496	0.0548
0.0802	10.54	100000	0.0499	0.0545
0.1605	10.59	100500	0.0477	0.0543
0.0768	10.65	101000	0.0487	0.0552
0.0833	10.7	101500	0.0495	0.0550
0.0782	10.75	102000	0.0479	0.0553
0.0813	10.8	102500	0.0490	0.0542
0.0712	10.86	103000	0.0485	0.0541
0.0703	10.91	103500	0.0486	0.0544
0.0765	10.96	104000	0.0480	0.0538
0.0796	11.02	104500	0.0486	0.0535
0.0778	11.07	105000	0.0492	0.0535
0.0735	11.12	105500	0.0494	0.0533
0.068	11.17	106000	0.0485	0.0528
0.0687	11.23	106500	0.0498	0.0534
0.0641	11.28	107000	0.0493	0.0534
0.0712	11.33	107500	0.0485	0.0526
0.0827	11.38	108000	0.0484	0.0530
0.0715	11.44	108500	0.0480	0.0533
0.0733	11.49	109000	0.0482	0.0532
0.0754	11.54	109500	0.0481	0.0537
0.0719	11.59	110000	0.0475	0.0533
0.0707	11.65	110500	0.0479	0.0536
0.0687	11.7	111000	0.0483	0.0535
0.0713	11.75	111500	0.0485	0.0535
0.0674	11.81	112000	0.0482	0.0537
0.0704	11.86	112500	0.0487	0.0537
0.0691	11.91	113000	0.0484	0.0541
0.0708	11.96	113500	0.0485	0.0548
0.0683	12.02	114000	0.0487	0.0541
0.0691	12.07	114500	0.0492	0.0540
0.0679	12.12	115000	0.0486	0.0540
0.073	12.17	115500	0.0479	0.0545
0.0647	12.23	116000	0.0484	0.0534
0.0663	12.28	116500	0.0484	0.0532
0.0687	12.33	117000	0.0483	0.0532
0.0696	12.39	117500	0.0482	0.0541
0.068	12.44	118000	0.0487	0.0531
0.0681	12.49	118500	0.0483	0.0530
0.0774	12.54	119000	0.0481	0.0533
0.0656	12.6	119500	0.0484	0.0529
0.0628	12.65	120000	0.0479	0.0533
0.0657	12.7	120500	0.0490	0.0538
0.0668	12.75	121000	0.0485	0.0533
0.0656	12.81	121500	0.0484	0.0531
0.0745	12.86	122000	0.0474	0.0526
0.0654	12.91	122500	0.0485	0.0528
0.0764	12.97	123000	0.0482	0.0529
0.0673	13.02	123500	0.0491	0.0526
0.0649	13.07	124000	0.0489	0.0527
0.0655	13.12	124500	0.0485	0.0520
0.0688	13.18	125000	0.0476	0.0524
0.0683	13.23	125500	0.0475	0.0523
0.0632	13.28	126000	0.0480	0.0528
0.063	13.33	126500	0.0483	0.0528
0.1418	13.39	127000	0.0464	0.0531
0.0693	13.44	127500	0.0473	0.0525
0.0696	13.49	128000	0.0477	0.0519
0.0644	13.54	128500	0.0477	0.0520
0.0625	13.6	129000	0.0480	0.0518
0.0682	13.65	129500	0.0471	0.0517
0.0698	13.7	130000	0.0480	0.0521
0.0643	13.76	130500	0.0482	0.0522
0.065	13.81	131000	0.0478	0.0521
0.0648	13.86	131500	0.0482	0.0519
0.0689	13.91	132000	0.0476	0.0520
0.0721	13.97	132500	0.0473	0.0523
0.0652	14.02	133000	0.0474	0.0519
0.0651	14.07	133500	0.0479	0.0519
0.0638	14.12	134000	0.0478	0.0520
0.0626	14.18	134500	0.0482	0.0519
0.0656	14.23	135000	0.0479	0.0521
0.0633	14.28	135500	0.0478	0.0519
0.0665	14.34	136000	0.0480	0.0519
0.0638	14.39	136500	0.0478	0.0517
0.0691	14.44	137000	0.0474	0.0515
0.0642	14.49	137500	0.0476	0.0514
0.0696	14.55	138000	0.0475	0.0515
0.0601	14.6	138500	0.0478	0.0515
0.0616	14.65	139000	0.0476	0.0515
0.0648	14.7	139500	0.0477	0.0516
0.0682	14.76	140000	0.0477	0.0515
0.0641	14.81	140500	0.0474	0.0515
0.0579	14.86	141000	0.0475	0.0514
0.0613	14.92	141500	0.0475	0.0514
0.0624	14.97	142000	0.0475	0.0514

Framework versions

• Transformers 4.18.0
• Pytorch 1.11.0+cu113
• Datasets 2.1.0
• Tokenizers 0.12.1