mms_1b_audio_books_aze

This model is a fine-tuned version of facebook/mms-1b-all on the None dataset. It achieves the following results on the evaluation set:

• Loss: 0.1030
• Wer: 0.1235
• Cer: 0.0240
• Wer Book: 0.0991
• Cer Book: 0.0165
• Wer Cv: 0.2070
• Cer Cv: 0.0468

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: 0.001
• train_batch_size: 8
• eval_batch_size: 16
• seed: 42
• optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
• lr_scheduler_type: linear
• lr_scheduler_warmup_steps: 20
• num_epochs: 10
• mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer	Cer	Wer Book	Cer Book	Wer Cv	Cer Cv
0.3702	0.25	159	0.1205	0.1489	0.0280	0.1327	0.0216	0.2044	0.0474
0.347	0.5	318	0.1120	0.1407	0.0263	0.1214	0.0198	0.2070	0.0461
0.3259	0.75	477	0.1181	0.1495	0.0275	0.1289	0.0208	0.2199	0.0479
0.3111	1.0	636	0.1173	0.1545	0.0284	0.1357	0.0223	0.2186	0.0472
0.3152	1.25	795	0.1085	0.1346	0.0249	0.1168	0.0180	0.1953	0.0463
0.2986	1.5	954	0.1063	0.1396	0.0259	0.1198	0.0190	0.2070	0.0470
0.2997	1.76	1113	0.1115	0.1428	0.0264	0.1206	0.0191	0.2186	0.0488
0.2867	2.01	1272	0.1107	0.1445	0.0266	0.1210	0.0195	0.2251	0.0484
0.303	2.26	1431	0.1136	0.1434	0.0268	0.1195	0.0191	0.2251	0.0502
0.2736	2.51	1590	0.1106	0.1416	0.0263	0.1183	0.0188	0.2212	0.0493
0.2777	2.76	1749	0.1088	0.1378	0.0259	0.1214	0.0194	0.1940	0.0461
0.327	3.01	1908	0.1115	0.1366	0.0259	0.1130	0.0184	0.2173	0.0486
0.2789	3.26	2067	0.1064	0.1363	0.0256	0.1176	0.0189	0.2005	0.0463
0.2828	3.51	2226	0.1066	0.1355	0.0252	0.1157	0.0189	0.2031	0.0449
0.2768	3.76	2385	0.1050	0.1302	0.0244	0.1085	0.0177	0.2044	0.0449
0.2858	4.01	2544	0.1025	0.1290	0.0240	0.1066	0.0172	0.2057	0.0449
0.2785	4.26	2703	0.1055	0.1334	0.0246	0.1096	0.0173	0.2147	0.0470
0.2733	4.51	2862	0.1055	0.1334	0.0249	0.1138	0.0177	0.2005	0.0470
0.2624	4.76	3021	0.1050	0.1290	0.0243	0.1078	0.0173	0.2018	0.0458
0.2676	5.02	3180	0.1045	0.1305	0.0241	0.1055	0.0167	0.2160	0.0470
0.2457	5.27	3339	0.1015	0.1287	0.0237	0.1074	0.0170	0.2018	0.0440
0.2637	5.52	3498	0.1030	0.1290	0.0237	0.1055	0.0168	0.2096	0.0449
0.2646	5.77	3657	0.1047	0.1346	0.0247	0.1115	0.0173	0.2135	0.0474
0.2831	6.02	3816	0.1072	0.1302	0.0245	0.1085	0.0173	0.2044	0.0465
0.2502	6.27	3975	0.1047	0.1267	0.0241	0.1043	0.0166	0.2031	0.0470
0.2427	6.52	4134	0.1043	0.1299	0.0244	0.1066	0.0168	0.2096	0.0477
0.2576	6.77	4293	0.1046	0.1249	0.0242	0.1021	0.0169	0.2031	0.0468
0.2466	7.02	4452	0.1074	0.1308	0.0246	0.1043	0.0168	0.2212	0.0484
0.2463	7.27	4611	0.1045	0.1255	0.0239	0.0983	0.0158	0.2186	0.0488
0.2377	7.52	4770	0.1047	0.1296	0.0246	0.1025	0.0167	0.2225	0.0488
0.2505	7.77	4929	0.1030	0.1279	0.0242	0.1032	0.0168	0.2122	0.0468
0.2479	8.03	5088	0.1019	0.1191	0.0229	0.0938	0.0155	0.2057	0.0458
0.2451	8.28	5247	0.1027	0.1240	0.0238	0.1006	0.0165	0.2044	0.0463
0.2442	8.53	5406	0.1026	0.1261	0.0239	0.1009	0.0164	0.2122	0.0468
0.2226	8.78	5565	0.1031	0.1246	0.0239	0.1013	0.0167	0.2044	0.0461
0.2462	9.03	5724	0.1030	0.1252	0.0239	0.1006	0.0165	0.2096	0.0467
0.2439	9.28	5883	0.1033	0.1243	0.0239	0.1009	0.0165	0.2044	0.0467
0.2363	9.53	6042	0.1036	0.1220	0.0236	0.0960	0.0159	0.2109	0.0470
0.2221	9.78	6201	0.1030	0.1235	0.0240	0.0991	0.0165	0.2070	0.0468

Framework versions

• Transformers 4.40.0.dev0
• Pytorch 2.2.1+cu121
• Datasets 2.18.0
• Tokenizers 0.15.2