xls-r-es-test-lm

glob-asr/xls-r-es-test-lm

xls-r-es-test-lm is a automatic speech recognition model from glob-asr. Use it when you need speech turned into text. It is set up for transformers. The card lists the license as apache-2.0.

should probably proofread and complete it, then remove this comment. --

Downloads · 30 days

2% of all-time downloads

All-time downloads

849

Public

Parameters

315M

10.2 GB on disk

Likes

Public

Hugging Face

Repo makeup

Click a slice to open those files.

.bin7.1 GB · 69%

At a glance

Task: Automatic Speech Recognition
Library: transformers
License: apache-2.0
Model type: wav2vec2
Access: Public
Created: Mar 2, 2022
Updated: Feb 24, 2026
SHA: 49382273

Datasets

mozilla-foundation/common_voice_8_0

Model card

From the Hugging Face model README

xls-r-es-test-lm

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 test set with lm model:

Loss: 0.1304
WER: 0.094
CER: 0.031

It achieves the following results on the val set with lm model:

Loss: 0.1304
WER: 0.081
CER: 0.025

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

Task: Automatic Speech Recognition
Library: transformers
Type: wav2vec2
License: apache-2.0
Languages: es
Created: Mar 2, 2022
Updated: Feb 24, 2026