Hugging Face's logo

tomascufaro
/
xls-r-es-test

Automatic Speech Recognition Transformers PyTorch
Spanish wav2vec2 mozilla-foundation/common_voice_8_0 generated_from_trainer robust-speech-event hf-asr-leaderboard Eval Results Inference Endpoints
Model card Files Community
xls-r-es-test / README.md
anton-l's picture
anton-l HF staff
Upload README.md
4acc7c8
preview code
|
raw history blame contribute delete
No virus
11.2 kB
metadata
language:
  - es
license: apache-2.0
tags:
  - automatic-speech-recognition
  - mozilla-foundation/common_voice_8_0
  - generated_from_trainer
  - es
  - robust-speech-event
  - hf-asr-leaderboard
datasets:
  - mozilla-foundation/common_voice_8_0
model-index:
  - name: xls-r-es-test
    results:
      - task:
          name: Automatic Speech Recognition
          type: automatic-speech-recognition
        dataset:
          name: Common Voice 8.0
          type: mozilla-foundation/common_voice_8_0
          args: es
        metrics:
          - name: Test WER
            type: wer
            value: 12.62
      - task:
          name: Automatic Speech Recognition
          type: automatic-speech-recognition
        dataset:
          name: Robust Speech Event - Dev Data
          type: speech-recognition-community-v2/dev_data
          args: es
        metrics:
          - name: Test WER
            type: wer
            value: 36.08
      - task:
          name: Automatic Speech Recognition
          type: automatic-speech-recognition
        dataset:
          name: Robust Speech Event - Test Data
          type: speech-recognition-community-v2/eval_data
          args: es
        metrics:
          - name: Test WER
            type: wer
            value: 39.19

xls-r-es-test

This model is a fine-tuned version of facebook/wav2vec2-large-xlsr-53 on the MOZILLA-FOUNDATION/COMMON_VOICE_8_0 - ES dataset. It achieves the following results on the evaluation set:

  • Loss: 0.1304
  • WER: 0.1261
  • CER: 0.035

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: 7.5e-05
  • train_batch_size: 8
  • eval_batch_size: 8
  • seed: 42
  • gradient_accumulation_steps: 4
  • 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: 10.0
  • mixed_precision_training: Native AMP

Training results

Training Loss Epoch Step Validation Loss Wer
2.9613 0.07 500 2.9647 1.0
2.604 0.14 1000 1.8300 0.9562
1.177 0.21 1500 0.3652 0.3077
1.0745 0.28 2000 0.2707 0.2504
1.0103 0.35 2500 0.2338 0.2157
0.9858 0.42 3000 0.2321 0.2129
0.974 0.49 3500 0.2164 0.2031
0.9699 0.56 4000 0.2078 0.1970
0.9513 0.63 4500 0.2173 0.2139
0.9657 0.7 5000 0.2050 0.1979
0.9484 0.77 5500 0.2008 0.1919
0.9317 0.84 6000 0.2012 0.1911
0.9366 0.91 6500 0.2024 0.1976
0.9242 0.98 7000 0.2062 0.2028
0.9138 1.05 7500 0.1924 0.1863
0.921 1.12 8000 0.1935 0.1836
0.9117 1.19 8500 0.1887 0.1815
0.9064 1.26 9000 0.1909 0.1839
0.9118 1.32 9500 0.1869 0.1830
0.9121 1.39 10000 0.1863 0.1802
0.9048 1.46 10500 0.1845 0.1791
0.8955 1.53 11000 0.1863 0.1774
0.8947 1.6 11500 0.1907 0.1814
0.9073 1.67 12000 0.1892 0.1853
0.8927 1.74 12500 0.1821 0.1750
0.8732 1.81 13000 0.1815 0.1768
0.8761 1.88 13500 0.1822 0.1749
0.8751 1.95 14000 0.1789 0.1715
0.8889 2.02 14500 0.1819 0.1791
0.8864 2.09 15000 0.1826 0.1794
0.886 2.16 15500 0.1788 0.1776
0.8915 2.23 16000 0.1756 0.1719
0.8689 2.3 16500 0.1769 0.1711
0.879 2.37 17000 0.1777 0.1739
0.8692 2.44 17500 0.1765 0.1705
0.8504 2.51 18000 0.1699 0.1652
0.8728 2.58 18500 0.1705 0.1694
0.8523 2.65 19000 0.1674 0.1645
0.8513 2.72 19500 0.1661 0.1611
0.8498 2.79 20000 0.1660 0.1631
0.8432 2.86 20500 0.1636 0.1610
0.8492 2.93 21000 0.1708 0.1688
0.8561 3.0 21500 0.1663 0.1604
0.842 3.07 22000 0.1690 0.1625
0.857 3.14 22500 0.1642 0.1605
0.8518 3.21 23000 0.1626 0.1585
0.8506 3.28 23500 0.1651 0.1605
0.8394 3.35 24000 0.1647 0.1585
0.8431 3.42 24500 0.1632 0.1573
0.8566 3.49 25000 0.1614 0.1550
0.8534 3.56 25500 0.1645 0.1589
0.8386 3.63 26000 0.1632 0.1582
0.8357 3.7 26500 0.1631 0.1556
0.8299 3.77 27000 0.1612 0.1550
0.8421 3.84 27500 0.1602 0.1552
0.8375 3.91 28000 0.1592 0.1537
0.8328 3.97 28500 0.1587 0.1537
0.8155 4.04 29000 0.1587 0.1520
0.8335 4.11 29500 0.1624 0.1556
0.8138 4.18 30000 0.1581 0.1547
0.8195 4.25 30500 0.1560 0.1507
0.8092 4.32 31000 0.1561 0.1534
0.8191 4.39 31500 0.1549 0.1493
0.8008 4.46 32000 0.1540 0.1493
0.8138 4.53 32500 0.1544 0.1493
0.8173 4.6 33000 0.1553 0.1511
0.8081 4.67 33500 0.1541 0.1484
0.8192 4.74 34000 0.1560 0.1506
0.8068 4.81 34500 0.1540 0.1503
0.8105 4.88 35000 0.1529 0.1483
0.7976 4.95 35500 0.1507 0.1451
0.8143 5.02 36000 0.1505 0.1462
0.8053 5.09 36500 0.1517 0.1476
0.785 5.16 37000 0.1526 0.1478
0.7936 5.23 37500 0.1489 0.1421
0.807 5.3 38000 0.1483 0.1420
0.8092 5.37 38500 0.1481 0.1435
0.793 5.44 39000 0.1503 0.1438
0.814 5.51 39500 0.1495 0.1480
0.807 5.58 40000 0.1472 0.1424
0.7913 5.65 40500 0.1471 0.1422
0.7844 5.72 41000 0.1473 0.1422
0.7888 5.79 41500 0.1445 0.1385
0.7806 5.86 42000 0.1435 0.1394
0.7773 5.93 42500 0.1461 0.1424
0.786 6.0 43000 0.1450 0.1413
0.7784 6.07 43500 0.1463 0.1424
0.7937 6.14 44000 0.1438 0.1386
0.7738 6.21 44500 0.1437 0.1383
0.7728 6.28 45000 0.1424 0.1371
0.7681 6.35 45500 0.1416 0.1376
0.776 6.42 46000 0.1415 0.1380
0.7773 6.49 46500 0.1416 0.1371
0.7692 6.56 47000 0.1398 0.1345
0.7642 6.62 47500 0.1381 0.1341
0.7692 6.69 48000 0.1392 0.1334
0.7667 6.76 48500 0.1392 0.1348
0.7712 6.83 49000 0.1398 0.1333
0.7628 6.9 49500 0.1392 0.1344
0.7622 6.97 50000 0.1377 0.1329
0.7639 7.04 50500 0.1361 0.1316
0.742 7.11 51000 0.1376 0.1327
0.7526 7.18 51500 0.1387 0.1342
0.7606 7.25 52000 0.1363 0.1316
0.7626 7.32 52500 0.1365 0.1313
0.752 7.39 53000 0.1354 0.1309
0.7562 7.46 53500 0.1362 0.1312
0.7557 7.53 54000 0.1358 0.1325
0.7588 7.6 54500 0.1343 0.1311
0.7485 7.67 55000 0.1346 0.1301
0.7466 7.74 55500 0.1354 0.1314
0.7558 7.81 56000 0.1359 0.1325
0.7578 7.88 56500 0.1363 0.1334
0.7411 7.95 57000 0.1346 0.1301
0.7478 8.02 57500 0.1355 0.1305
0.7451 8.09 58000 0.1349 0.1302
0.7383 8.16 58500 0.1349 0.1294
0.7482 8.23 59000 0.1341 0.1293
0.742 8.3 59500 0.1338 0.1296
0.7343 8.37 60000 0.1348 0.1307
0.7385 8.44 60500 0.1324 0.1282
0.7567 8.51 61000 0.1334 0.1281
0.7342 8.58 61500 0.1338 0.1289
0.7401 8.65 62000 0.1331 0.1285
0.7362 8.72 62500 0.1329 0.1283
0.7241 8.79 63000 0.1323 0.1277
0.7244 8.86 63500 0.1317 0.1269
0.7274 8.93 64000 0.1308 0.1260
0.7411 9.0 64500 0.1309 0.1256
0.7255 9.07 65000 0.1316 0.1265
0.7406 9.14 65500 0.1315 0.1270
0.7418 9.21 66000 0.1315 0.1269
0.7301 9.27 66500 0.1315 0.1273
0.7248 9.34 67000 0.1323 0.1274
0.7423 9.41 67500 0.1309 0.1267
0.7152 9.48 68000 0.1312 0.1271
0.7295 9.55 68500 0.1306 0.1262
0.7231 9.62 69000 0.1308 0.1263
0.7344 9.69 69500 0.1313 0.1267
0.7264 9.76 70000 0.1305 0.1263
0.7309 9.83 70500 0.1303 0.1262
0.73 9.9 71000 0.1303 0.1261
0.7353 9.97 71500 0.1304 0.1260

Framework versions

  • Transformers 4.17.0.dev0
  • Pytorch 1.10.2+cu102
  • Datasets 1.18.3
  • Tokenizers 0.11.0