wav2vec2-base-word-by-word-quran-asr

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

Loss: 0.0415
Wer: 0.0790

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: 8
seed: 42
optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
lr_scheduler_type: linear
lr_scheduler_warmup_steps: 1000
num_epochs: 20
mixed_precision_training: Native AMP

Training results

Training Loss	Epoch	Step	Validation Loss	Wer
13.139	0.1291	500	3.2031	1.0
1.9653	0.2583	1000	0.5466	0.7806
0.4997	0.3874	1500	0.2171	0.3470
0.3479	0.5165	2000	0.1718	0.2932
0.2649	0.6457	2500	0.1434	0.2425
0.2554	0.7748	3000	0.1350	0.2478
0.2199	0.9039	3500	0.1047	0.1766
0.201	1.0331	4000	0.1079	0.1690
0.1832	1.1622	4500	0.0981	0.1637
0.1728	1.2913	5000	0.0984	0.1594
0.1608	1.4205	5500	0.0890	0.1598
0.1602	1.5496	6000	0.0786	0.1461
0.1565	1.6787	6500	0.0795	0.1315
0.1579	1.8079	7000	0.0888	0.1326
0.1537	1.9370	7500	0.0835	0.1377
0.1446	2.0661	8000	0.0674	0.1225
0.1313	2.1952	8500	0.0706	0.1255
0.1267	2.3244	9000	0.0658	0.1243
0.1385	2.4535	9500	0.0624	0.1170
0.1336	2.5826	10000	0.0648	0.1180
0.1189	2.7118	10500	0.0661	0.1189
0.1321	2.8409	11000	0.0716	0.1273
0.1168	2.9700	11500	0.0636	0.1200
0.1201	3.0992	12000	0.0615	0.1157
0.1144	3.2283	12500	0.0643	0.1223
0.1176	3.3574	13000	0.0690	0.1284
0.1153	3.4866	13500	0.0634	0.1208
0.1085	3.6157	14000	0.0594	0.1175
0.1176	3.7448	14500	0.0633	0.1151
0.118	3.8740	15000	0.0607	0.1062
0.1082	4.0031	15500	0.0564	0.1084
0.1028	4.1322	16000	0.0633	0.1215
0.1047	4.2614	16500	0.0579	0.1125
0.1015	4.3905	17000	0.0548	0.1098
0.101	4.5196	17500	0.0536	0.1088
0.0911	4.6488	18000	0.0526	0.0989
0.1016	4.7779	18500	0.0548	0.1073
0.0947	4.9070	19000	0.0521	0.1031
0.0933	5.0362	19500	0.0499	0.1024
0.0951	5.1653	20000	0.0545	0.1078
0.093	5.2944	20500	0.0521	0.1020
0.0888	5.4236	21000	0.0521	0.1037
0.0929	5.5527	21500	0.0536	0.1076
0.0983	5.6818	22000	0.0541	0.1047
0.0928	5.8110	22500	0.0526	0.1033
0.09	5.9401	23000	0.0506	0.1081
0.089	6.0692	23500	0.0529	0.1073
0.0785	6.1983	24000	0.0504	0.1015
0.0799	6.3275	24500	0.0538	0.1068
0.0833	6.4566	25000	0.0482	0.1027
0.0824	6.5857	25500	0.0503	0.0965
0.0801	6.7149	26000	0.0484	0.0962
0.0787	6.8440	26500	0.0483	0.0974
0.0786	6.9731	27000	0.0522	0.1008
0.0812	7.1023	27500	0.0475	0.0993
0.0736	7.2314	28000	0.0494	0.0932
0.0778	7.3605	28500	0.0488	0.0959
0.0742	7.4897	29000	0.0465	0.0921
0.077	7.6188	29500	0.0459	0.0997
0.0716	7.7479	30000	0.0466	0.0971
0.0768	7.8771	30500	0.0485	0.1004
0.0729	8.0062	31000	0.0479	0.0970
0.0784	8.1353	31500	0.0746	0.1563
0.0855	8.2645	32000	0.0513	0.0972
0.0743	8.3936	32500	0.0474	0.0953
0.0699	8.5227	33000	0.0457	0.0929
0.0711	8.6519	33500	0.0480	0.0924
0.0719	8.7810	34000	0.0455	0.0909
0.0723	8.9101	34500	0.0442	0.0924
0.0715	9.0393	35000	0.0453	0.0945
0.0664	9.1684	35500	0.0458	0.0903
0.0636	9.2975	36000	0.0450	0.0929
0.0665	9.4267	36500	0.0461	0.0909
0.0668	9.5558	37000	0.0477	0.0923
0.0631	9.6849	37500	0.0463	0.0900
0.0686	9.8140	38000	0.0481	0.0983
0.0645	9.9432	38500	0.0591	0.0938
0.0661	10.0723	39000	0.0464	0.0912
0.0648	10.2014	39500	0.0458	0.0902
0.0597	10.3306	40000	0.0460	0.0899
0.0605	10.4597	40500	0.0465	0.0868
0.0623	10.5888	41000	0.0471	0.0909
0.065	10.7180	41500	0.0766	0.1173
0.0674	10.8471	42000	0.0469	0.0903
0.0631	10.9762	42500	0.0436	0.0905
0.0596	11.1054	43000	0.0472	0.0903
0.0612	11.2345	43500	0.0436	0.0869
0.0598	11.3636	44000	0.0451	0.0883
0.0637	11.4928	44500	0.0437	0.0909
0.0556	11.6219	45000	0.0440	0.0870
0.0625	11.7510	45500	0.0469	0.0941
0.0573	11.8802	46000	0.0461	0.0903
0.0583	12.0093	46500	0.0454	0.0901
0.0587	12.1384	47000	0.0440	0.0907
0.0598	12.2676	47500	0.0440	0.0878
0.0578	12.3967	48000	0.0458	0.0900
0.0549	12.5258	48500	0.0441	0.0863
0.0505	12.6550	49000	0.0436	0.0883
0.0528	12.7841	49500	0.0412	0.0855
0.0498	12.9132	50000	0.0430	0.0851
0.0538	13.0424	50500	0.0433	0.0856
0.0503	13.1715	51000	0.0445	0.0846
0.0529	13.3006	51500	0.0422	0.0830
0.0513	13.4298	52000	0.0415	0.0871
0.0507	13.5589	52500	0.0438	0.0862
0.0507	13.6880	53000	0.0419	0.0818
0.0537	13.8171	53500	0.0473	0.0870
0.053	13.9463	54000	0.0415	0.0834
0.0472	14.0754	54500	0.0427	0.0839
0.0473	14.2045	55000	0.0436	0.0855
0.0504	14.3337	55500	0.0418	0.0823
0.0496	14.4628	56000	0.0425	0.0845
0.0474	14.5919	56500	0.0432	0.0844
0.0462	14.7211	57000	0.0429	0.0851
0.0499	14.8502	57500	0.0426	0.0839
0.0507	14.9793	58000	0.0425	0.0821
0.0424	15.1085	58500	0.0442	0.0838
0.0463	15.2376	59000	0.0422	0.0859
0.0465	15.3667	59500	0.0439	0.0827
0.0483	15.4959	60000	0.0436	0.0852
0.0498	15.625	60500	0.0424	0.0859
0.047	15.7541	61000	0.0424	0.0853
0.0466	15.8833	61500	0.0436	0.0858
0.0487	16.0124	62000	0.0423	0.0832
0.0414	16.1415	62500	0.0429	0.0845
0.0447	16.2707	63000	0.0418	0.0832
0.0404	16.3998	63500	0.0428	0.0817
0.0419	16.5289	64000	0.0428	0.0825
0.0433	16.6581	64500	0.0415	0.0825
0.0429	16.7872	65000	0.0423	0.0815
0.0415	16.9163	65500	0.0408	0.0804
0.0422	17.0455	66000	0.0424	0.0817
0.0404	17.1746	66500	0.0430	0.0809
0.0387	17.3037	67000	0.0424	0.0816
0.0413	17.4329	67500	0.0414	0.0805
0.039	17.5620	68000	0.0414	0.0828
0.0394	17.6911	68500	0.0418	0.0799
0.0419	17.8202	69000	0.0405	0.0801
0.0417	17.9494	69500	0.0412	0.0793
0.0383	18.0785	70000	0.0431	0.0799
0.0393	18.2076	70500	0.0426	0.0817
0.0364	18.3368	71000	0.0426	0.0795
0.0379	18.4659	71500	0.0419	0.0799
0.0359	18.5950	72000	0.0419	0.0796
0.0368	18.7242	72500	0.0419	0.0794
0.0394	18.8533	73000	0.0414	0.0800
0.0375	18.9824	73500	0.0418	0.0791
0.0381	19.1116	74000	0.0420	0.0794
0.039	19.2407	74500	0.0415	0.0794
0.0364	19.3698	75000	0.0419	0.0795
0.0334	19.4990	75500	0.0421	0.0796
0.0352	19.6281	76000	0.0415	0.0793
0.0354	19.7572	76500	0.0416	0.0787
0.0362	19.8864	77000	0.0415	0.0790

Framework versions

Transformers 4.42.3
Pytorch 2.3.1+cu121
Datasets 2.20.0
Tokenizers 0.19.1

HamzaSidhu786/wav2vec2-base-word-by-word-quran-asr

wav2vec2-base-word-by-word-quran-asr

Model description

Intended uses & limitations

Training and evaluation data

Training procedure

Training hyperparameters

Training results

Framework versions

Seed this model