update training model

README.md

@@ -1,6 +1,6 @@
 ---
 language:
-- zh
+- nan-tw
 license: apache-2.0
 tags:
 - whisper-event
@@ -10,7 +10,7 @@ datasets:
 metrics:
 - wer
 model-index:
-- name: Whisper large-v2 nan-tw
+- name: Whisper large-v2 nan-tw only char
   results:
   - task:
       name: Automatic Speech Recognition
@@ -19,24 +19,24 @@ model-index:
       name: mozilla-foundation/common_voice_11_0 nan-tw
       type: mozilla-foundation/common_voice_11_0
       config: nan-tw
-      split: train
+      split: test
       args: nan-tw
     metrics:
     - name: Wer
       type: wer
-      value: 118.50381679389312
+      value: 48.06106870229008
 ---
 
 <!-- This model card has been generated automatically according to the information the Trainer had access to. You
 should probably proofread and complete it, then remove this comment. -->
 
-# Whisper large-v2 nan-tw
+# vscode
 
 This model is a fine-tuned version of [openai/whisper-large-v2](https://huggingface.co/openai/whisper-large-v2) on the mozilla-foundation/common_voice_11_0 nan-tw dataset.
 It achieves the following results on the evaluation set:
-- Loss: 3.2129
-- Wer: 118.5038
-- Cer: 123.4531
+- Loss: 0.9147
+- Wer: 48.0611
+- Cer: 48.1739
 
 ## Model description
 
@@ -61,24 +61,20 @@ The following hyperparameters were used during training:
 - seed: 42
 - optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
 - lr_scheduler_type: linear
-- lr_scheduler_warmup_steps: 500
-- training_steps: 5000
+- lr_scheduler_warmup_steps: 100
+- training_steps: 1000
 - mixed_precision_training: Native AMP
 
 ### Training results
 
-| Training Loss | Epoch | Step | Validation Loss | Wer      | Cer      |
-|:-------------:|:-----:|:----:|:---------------:|:--------:|:--------:|
-| 3.5696        | 1.04  | 1000 | 3.4190          | 96.8550  | 96.8910  |
-| 3.1453        | 2.08  | 2000 | 3.2383          | 98.9313  | 98.9436  |
-| 3.0722        | 3.13  | 3000 | 3.2043          | 129.0687 | 158.5270 |
-| 2.8327        | 5.01  | 4000 | 3.2258          | 327.9084 | 333.0516 |
-| 2.6468        | 6.05  | 5000 | 3.2129          | 118.5038 | 123.4531 |
+| Training Loss | Epoch | Step | Validation Loss | Wer     | Cer     |
+|:-------------:|:-----:|:----:|:---------------:|:-------:|:-------:|
+| 0.9198        | 1.38  | 1000 | 0.9147          | 48.0611 | 48.1739 |
 
 
 ### Framework versions
 
-- Transformers 4.25.1
+- Transformers 4.27.0.dev0
 - Pytorch 1.13.1+cu117
 - Datasets 2.8.0
 - Tokenizers 0.13.2

all_results.json

@@ -1,13 +1,13 @@
 {
-    "epoch": 6.05,
-    "eval_cer": 123.45306368849984,
-    "eval_loss": 3.212874174118042,
-    "eval_runtime": 303.2793,
-    "eval_samples_per_second": 3.251,
-    "eval_steps_per_second": 1.626,
-    "eval_wer": 118.50381679389312,
-    "train_loss": 3.0522214595794677,
-    "train_runtime": 5458.8622,
-    "train_samples_per_second": 1.832,
-    "train_steps_per_second": 0.916
+    "epoch": 1.38,
+    "eval_cer": 48.17386054935105,
+    "eval_loss": 0.9147109389305115,
+    "eval_runtime": 340.4629,
+    "eval_samples_per_second": 2.896,
+    "eval_steps_per_second": 1.448,
+    "eval_wer": 48.06106870229008,
+    "train_loss": 0.91982373046875,
+    "train_runtime": 1347.6358,
+    "train_samples_per_second": 1.484,
+    "train_steps_per_second": 0.742
 }

config.json

@@ -2,6 +2,7 @@
   "_name_or_path": "openai/whisper-large-v2",
   "activation_dropout": 0.0,
   "activation_function": "gelu",
+  "apply_spec_augment": false,
   "architectures": [
     "WhisperForConditionalGeneration"
   ],
@@ -26,6 +27,12 @@
   "forced_decoder_ids": null,
   "init_std": 0.02,
   "is_encoder_decoder": true,
+  "mask_feature_length": 10,
+  "mask_feature_min_masks": 0,
+  "mask_feature_prob": 0.0,
+  "mask_time_length": 10,
+  "mask_time_min_masks": 2,
+  "mask_time_prob": 0.05,
   "max_length": 448,
   "max_source_positions": 1500,
   "max_target_positions": 448,
@@ -35,7 +42,7 @@
   "pad_token_id": 50257,
   "scale_embedding": false,
   "torch_dtype": "float32",
-  "transformers_version": "4.25.1",
+  "transformers_version": "4.27.0.dev0",
   "use_cache": true,
   "vocab_size": 51865
 }

eval_results.json

@@ -1,9 +1,9 @@
 {
-    "epoch": 6.05,
-    "eval_cer": 123.45306368849984,
-    "eval_loss": 3.212874174118042,
-    "eval_runtime": 303.2793,
-    "eval_samples_per_second": 3.251,
-    "eval_steps_per_second": 1.626,
-    "eval_wer": 118.50381679389312
+    "epoch": 1.38,
+    "eval_cer": 48.17386054935105,
+    "eval_loss": 0.9147109389305115,
+    "eval_runtime": 340.4629,
+    "eval_samples_per_second": 2.896,
+    "eval_steps_per_second": 1.448,
+    "eval_wer": 48.06106870229008
 }

generation_config.json

@@ -0,0 +1,225 @@
+{
+  "begin_suppress_tokens": [
+    220,
+    50257
+  ],
+  "bos_token_id": 50257,
+  "decoder_start_token_id": 50258,
+  "eos_token_id": 50257,
+  "forced_decoder_ids": [
+    [
+      1,
+      null
+    ],
+    [
+      2,
+      50359
+    ],
+    [
+      3,
+      50363
+    ]
+  ],
+  "is_multilingual": true,
+  "lang_to_id": {
+    "<|af|>": 50327,
+    "<|am|>": 50334,
+    "<|ar|>": 50272,
+    "<|as|>": 50350,
+    "<|az|>": 50304,
+    "<|ba|>": 50355,
+    "<|be|>": 50330,
+    "<|bg|>": 50292,
+    "<|bn|>": 50302,
+    "<|bo|>": 50347,
+    "<|br|>": 50309,
+    "<|bs|>": 50315,
+    "<|ca|>": 50270,
+    "<|cs|>": 50283,
+    "<|cy|>": 50297,
+    "<|da|>": 50285,
+    "<|de|>": 50261,
+    "<|el|>": 50281,
+    "<|en|>": 50259,
+    "<|es|>": 50262,
+    "<|et|>": 50307,
+    "<|eu|>": 50310,
+    "<|fa|>": 50300,
+    "<|fi|>": 50277,
+    "<|fo|>": 50338,
+    "<|fr|>": 50265,
+    "<|gl|>": 50319,
+    "<|gu|>": 50333,
+    "<|haw|>": 50352,
+    "<|ha|>": 50354,
+    "<|he|>": 50279,
+    "<|hi|>": 50276,
+    "<|hr|>": 50291,
+    "<|ht|>": 50339,
+    "<|hu|>": 50286,
+    "<|hy|>": 50312,
+    "<|id|>": 50275,
+    "<|is|>": 50311,
+    "<|it|>": 50274,
+    "<|ja|>": 50266,
+    "<|jw|>": 50356,
+    "<|ka|>": 50329,
+    "<|kk|>": 50316,
+    "<|km|>": 50323,
+    "<|kn|>": 50306,
+    "<|ko|>": 50264,
+    "<|la|>": 50294,
+    "<|lb|>": 50345,
+    "<|ln|>": 50353,
+    "<|lo|>": 50336,
+    "<|lt|>": 50293,
+    "<|lv|>": 50301,
+    "<|mg|>": 50349,
+    "<|mi|>": 50295,
+    "<|mk|>": 50308,
+    "<|ml|>": 50296,
+    "<|mn|>": 50314,
+    "<|mr|>": 50320,
+    "<|ms|>": 50282,
+    "<|mt|>": 50343,
+    "<|my|>": 50346,
+    "<|ne|>": 50313,
+    "<|nl|>": 50271,
+    "<|nn|>": 50342,
+    "<|no|>": 50288,
+    "<|oc|>": 50328,
+    "<|pa|>": 50321,
+    "<|pl|>": 50269,
+    "<|ps|>": 50340,
+    "<|pt|>": 50267,
+    "<|ro|>": 50284,
+    "<|ru|>": 50263,
+    "<|sa|>": 50344,
+    "<|sd|>": 50332,
+    "<|si|>": 50322,
+    "<|sk|>": 50298,
+    "<|sl|>": 50305,
+    "<|sn|>": 50324,
+    "<|so|>": 50326,
+    "<|sq|>": 50317,
+    "<|sr|>": 50303,
+    "<|su|>": 50357,
+    "<|sv|>": 50273,
+    "<|sw|>": 50318,
+    "<|ta|>": 50287,
+    "<|te|>": 50299,
+    "<|tg|>": 50331,
+    "<|th|>": 50289,
+    "<|tk|>": 50341,
+    "<|tl|>": 50348,
+    "<|tr|>": 50268,
+    "<|tt|>": 50351,
+    "<|uk|>": 50280,
+    "<|ur|>": 50290,
+    "<|uz|>": 50337,
+    "<|vi|>": 50278,
+    "<|yi|>": 50335,
+    "<|yo|>": 50325,
+    "<|zh|>": 50260
+  },
+  "max_initial_timestamp_index": 1,
+  "max_length": 448,
+  "no_timestamps_token_id": 50363,
+  "pad_token_id": 50257,
+  "return_timestamps": false,
+  "suppress_tokens": [
+    1,
+    2,
+    7,
+    8,
+    9,
+    10,
+    14,
+    25,
+    26,
+    27,
+    28,
+    29,
+    31,
+    58,
+    59,
+    60,
+    61,
+    62,
+    63,
+    90,
+    91,
+    92,
+    93,
+    359,
+    503,
+    522,
+    542,
+    873,
+    893,
+    902,
+    918,
+    922,
+    931,
+    1350,
+    1853,
+    1982,
+    2460,
+    2627,
+    3246,
+    3253,
+    3268,
+    3536,
+    3846,
+    3961,
+    4183,
+    4667,
+    6585,
+    6647,
+    7273,
+    9061,
+    9383,
+    10428,
+    10929,
+    11938,
+    12033,
+    12331,
+    12562,
+    13793,
+    14157,
+    14635,
+    15265,
+    15618,
+    16553,
+    16604,
+    18362,
+    18956,
+    20075,
+    21675,
+    22520,
+    26130,
+    26161,
+    26435,
+    28279,
+    29464,
+    31650,
+    32302,
+    32470,
+    36865,
+    42863,
+    47425,
+    49870,
+    50254,
+    50258,
+    50358,
+    50359,
+    50360,
+    50361,
+    50362
+  ],
+  "task_to_id": {
+    "transcribe": 50359,
+    "translate": 50358
+  },
+  "transformers_version": "4.27.0.dev0"
+}

merges.txt

@@ -1,4 +1,4 @@
-#version: 0.2
+#version: 0.2 - Trained by `huggingface/tokenizers`
 Ġ a
 Ġt h
 i n

pred.txt

@@ -1 +1 @@
-pred_str=['三 頭 無 小 ', '三 頭 無 無 ', '三 頭 無 ', '三 頭 人 無 人 ', '大 人 無 ', '三 頭 一 人 ', '跤 頭 ', '三 頭 無 小 ', '大 坑 ', '大 湯 ', '三 頭 無 ', '跤 頭 ', '三 頭 仔 ', '烏 頭 ', '大 人 無 ', '跤 頭 ', '大 頭 仔 ', '三 頭 仔 ', '大 湲 ', '三 人 無 無 ', '大 人 人 人 人 人 ', '跤 仔 ', '大 人 無 無 ', '大 坑 ', '三 頭 仔 ', '跤 仔 ', '跤 頭 ', '三 頭 人 人 人 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 頭 ', '大 人 無 無 ', '大 湲 ', '大 頭 仔 ', '徘 ', '大 坑 ', '大 角 ', '三 頭 無 ', '大 人 人 人 人 人 ', '大 湯 ', '大 湲 ', '三 頭 頭 ', '大 人 無 ', '大 大 路 ', '大 大 路 ', '大 坑 ', '三 頭 仔 ', '跤 仔 ', '三 頭 無 小 ', '大 角 仔 ', '跤 頭 ', '大 坵 ', '雞 仔 仔 ', '鵾 仔 ', '大 大 路 ', '大 人 人 人 人 ', '三 頭 頭 ', '三 頭 仔 ', '三 頭 無 ', '大 人 無 ', '大 磾 ', '跤 仔 ', '跤 頭 ', '三 人 無 無 人 ', '三 頭 仔 ', '跤 仔 ', '大 人 無 無 ', '大 人 人 人 人 ', '大 火 ', '大 磾 ', '大 頭 仔 ', '大 磾 ', '大 坑 ', '大 湲 ', '大 坵 ', '大 人 無 ', '大 大 路 ', '大 湲 ', '大 人 無 ', '大 人 人 人 ', '三 頭 仔 ', '大 人 無 ', '跤 ', '三 頭 無 無 ', '大 頭 仔 ', '跤 仔 ', '跤 頭 ', '三 頭 無 人 ', '鵭 仔 ', '大 頭 仔 ', '烏 頭 ', '三 頭 頭 ', '跤 仔 ', '大 磾 ', '三 頭 無 無 ', '三 頭 無 無 ', '三 頭 人 人 人 ', '三 人 人 人 一 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 頭 仔 ', '跤 頭 ', '大 大 路 ', '大 頭 ', '跤 仔 ', '跤 頭 ', '跤 仔 ', '鵭 仔 ', '跤 頭 ', '雞 頭 ', '跤 仔 ', '三 頭 頭 ', '跤 仔 ', '大 湯 ', '跤 仔 ', '三 頭 人 人 一 生 一 生 ', '三 頭 無 小 ', '大 爯 ', '大 湲 ', '大 人 人 人 人 ', '三 頭 頭 ', '大 人 無 ', '三 頭 無 無 ', '三 頭 頭 ', '大 人 無 ', '三 人 無 人 ', '大 大 路 ', '三 頭 無 無 ', '大 頭 仔 ', '大 人 無 ', '大 坵 ', '大 人 無 人 ', '大 人 無 ', '大 人 人 人 人 ', '大 頭 仔 ', '大 湯 ', '跤 頭 ', '大 湯 ', '大 坵 ', '跤 仔 ', '大 坑 ', '三 頭 人 人 生 生 一 生 ', '三 人 人 人 人 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 人 人 ', '大 大 路 ', '三 頭 無 無 ', '大 坑 ', '大 頭 仔 ', '大 人 無 ', '大 大 路 ', '三 頭 無 小 ', '三 頭 人 一 人 一 生 一 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 無 ', '大 人 無 ', '大 人 人 人 人 ', '大 人 無 無 ', '大 人 人 人 人 人 ', '大 坵 ', '大 坑 ', '大 人 無 ', '大 大 路 ', '大 坵 ', '大 人 無 無 ', '大 人 無 無 ', '大 人 人 人 ', '大 人 人 人 ', '大 坵 ', '大 大 路 ', '大 湯 ', '三 頭 無 小 ', '大 人 無 無 ', '跤 仔 ', '大 坵 仔 ', '三 頭 無 人 ', '大 人 無 ', '三 頭 人 一 人 生 生 ', '大 坵 ', '大 人 無 ', '三 頭 無 無 ', '三 頭 頭 ', '跤 仔 ', '三 頭 人 人 生 生 生 ', '三 頭 無 小 ', '這 人 人 人 人 人 人 人 人 伊 人 伊 人 伊 人 伊 人 伊 人 伊 人 ', '大 湯 ', '大 人 無 ', '大 人 無 ', '大 火 ', '跤 仔 ', '大 湲 ', '跤 仔 ', '大 湲 ', '鵭 仔 ', '徘 ', '大 坑 ', '大 坑 ', '大 磾 ', '大 湯 ', '大 人 無 ', '大 人 人 人 人 ', '大 火 ', '三 人 無 無 ', '三 人 人 人 人 人 人 人 人 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 人 人 一 人 ', '三 頭 人 人 一 人 ', '三 頭 人 人 一 人 ', '三 頭 人 人 一 生 生 ', '三 人 無 無 ', '三 頭 人 人 生 生 一 生 ', '大 人 無 無 ', '大 人 無 無 ', '大 人 人 人 ', '大 人 人 人 人 ', '三 頭 無 人 ', '大 頭 無 ', '三 頭 人 人 人 人 ', '大 人 無 無 ', '三 頭 無 ', '三 頭 無 無 ', '跤 仔 ', '三 頭 無 小 ', '跤 頭 ', '三 頭 無 小 ', '跤 仔 ', '三 頭 無 小 ', '跤 頭 ', '三 頭 無 小 ', '三 頭 無 小 ', '跤 仔 ', '跤 仔 ', '三 頭 無 小 ', '跤 仔 ', '三 頭 無 小 ', '三 頭 頭 生 ', '三 頭 人 一 人 生 生 生 ', '跤 頭 ', '跤 頭 ', '跤 頭 ', '鵬 ', '雞 頭 ', '大 坵 ', '鵭 ', '跤 仔 ', '跤 頭 ', '大 湲 ', '鵾 仔 ', '跤 仔 ', '大 坑 ', '跤 頭 ', '大 坑 ', '大 磾 ', '三 頭 無 ', '跤 仔 ', '三 頭 無 ', '跤 頭 ', '鵭 ', '大 角 仔 ', '大 頭 仔 ', '大 角 ', '大 火 ', '三 頭 無 ', '三 頭 頭 ', '跤 仔 ', '三 頭 無 小 ', '雞 頭 ', '大 人 無 ', '大 火 仔 ', '大 人 無 ', '三 頭 仔 ', '大 頭 仔 ', '大 頭 仔 ', '大 人 無 ', '大 人 無 無 ', '大 坵 ', '三 頭 無 無 ', '三 頭 無 ', '跤 仔 ', '三 頭 人 一 人 生 生 一 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 頭 ', '大 人 無 ', '三 頭 頭 ', '三 頭 人 人 一 生 一 生 ', '三 頭 人 人 ', '大 人 無 無 ', '三 頭 人 一 人 生 生 生 ', '大 人 無 無 ', '大 頭 無 無 ', '三 頭 頭 ', '三 頭 一 人 生 生 生 ', '鵭 仔 ', '三 頭 無 無 ', '大 湲 ', '大 頭 無 無 ', '跤 頭 ', '大 頭 ', '大 人 無 無 ', '三 頭 頭 ', '跤 頭 ', '三 頭 仔 ', '跤 仔 ', '三 頭 頭 ', '三 頭 頭 ', '大 湲 ', '跤 頭 ', '三 頭 頭 ', '三 頭 頭 ', '大 大 路 ', '跤 頭 ', '跤 仔 ', '三 頭 頭 ', '跤 仔 ', '跤 仔 ', '大 角 ', '三 頭 仔 ', '跤 頭 ', '跤 頭 ', '跤 頭 ', '跤 仔 ', '鵬 ', '大 湯 ', '大 人 無 ', '三 頭 人 人 生 生 生 ', '三 頭 無 無 ', '三 頭 無 小 ', '大 人 無 ', '大 人 無 ', '大 角 仔 ', '三 頭 無 無 ', '三 頭 仔 ', '大 頭 ', '三 頭 無 無 ', '大 湯 ', '這 人 人 人 人 人 人 人 人 人 人 ', '大 湯 ', '大 人 無 無 ', '大 大 路 ', '大 大 路 ', '大 湲 ', '這 人 人 人 人 人 人 人 人 人 伊 人 ', '跤 仔 ', '大 人 無 ', '大 人 人 人 人 ', '三 頭 人 人 一 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 無 ', '這 人 人 人 人 人 人 人 人 人 人 ', '大 人 無 ', '大 人 無 無 ', '大 湲 ', '大 人 無 ', '大 頭 仔 ', '大 人 無 ', '大 坵 ', '大 人 無 ', '大 人 無 ', '大 角 ', '大 大 路 ', '大 大 路 ', '大 大 路 ', '大 湲 ', '大 人 人 人 人 ', '跤 頭 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 人 人 人 ', '大 大 路 ', '大 大 路 ', '大 大 路 ', '大 人 無 ', '大 角 仔 ', '三 頭 人 人 人 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 人 人 人 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 湯 ', '大 人 無 無 ', '跤 仔 ', '三 頭 無 人 ', '三 頭 無 小 ', '三 頭 無 無 ', '大 頭 無 無 ', '三 頭 無 ', '大 人 無 ', '大 坑 ', '烏 頭 仔 ', '跤 仔 ', '三 頭 人 一 人 生 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 仔 ', '跤 頭 ', '大 人 無 無 ', '雞 頭 ', '跤 頭 ', '三 頭 無 小 ', '大 人 人 人 人 人 ', '大 人 無 ', '大 頭 仔 ', '三 頭 人 一 人 生 生 生 一 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 無 ', '跤 仔 ', '三 頭 人 一 人 生 生 生 ', '跤 頭 ', '大 角 ', '鵭 仔 ', '大 人 無 ', '大 人 無 ', '跤 仔 ', '大 人 無 ', '鵬 ', '大 磾 ', '大 大 路 ', '大 磾 ', '大 坑 ', '大 磾 ', '大 人 無 ', '大 湯 ', '大 坵 ', '大 大 路 ', '大 大 路 ', '大 湯 ', '大 湲 ', '大 坵 ', '大 火 ', '大 大 路 ', '大 坑 ', '這 人 人 人 人 人 人 人 人 人 人 ', '大 磾 ', '鵭 仔 ', '大 坑 ', '鵬 ', '大 坑 ', '大 人 無 ', '大 火 ', '大 坑 ', '大 坵 ', '大 磾 ', '大 磾 ', '大 人 無 ', '鵭 ', '大 頭 仔 ', '鵾 仔 ', '跤 仔 ', '大 角 ', '三 頭 仔 ', '大 湯 ', '三 頭 仔 ', '大 人 無 ', '大 角 ', '大 角 ', '三 人 人 人 人 人 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 角 仔 ', '大 大 路 ', '大 大 路 ', '三 頭 仔 ', '大 人 無 無 ', '大 角 ', '大 角 ', '大 角 ', '大 坑 ', '大 坵 仔 ', '大 人 無 ', '大 頭 仔 ', '大 湯 ', '大 角 ', '大 湲 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 大 路 ', '大 坵 ', '大 湲 ', '大 頭 仔 ', '大 頭 仔 ', '大 坵 ', '大 頭 ', '大 頭 仔 ', '三 人 人 人 一 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 大 路 ', '大 人 人 人 人 ', '大 人 無 ', '鵬 ', '大 坑 ', '大 人 無 ', '大 大 路 ', '大 大 路 ', '大 人 人 人 人 ', '這 人 人 人 人 人 人 人 人 人 人 伊 人 ', '大 火 ', '大 坑 ', '大 磾 ', '大 坑 ', '大 湯 ', '大 湲 ', '大 坵 ', '大 湯 ', '大 湲 ', '大 磾 ', '大 磾 ', '大 磾 ', '大 大 路 ', '大 坑 ', '大 人 無 無 ', '大 人 無 ', '大 坑 ', '大 湲 ', '大 湯 ', '大 磾 ', '大 坑 ', '大 坑 ', '大 大 路 ', '大 湯 ', '大 磾 ', '大 頭 ', '大 湯 ', '大 磾 ', '大 磾 ', '大 頭 仔 ', '大 人 無 ', '大 人 人 人 人 ', '三 頭 無 無 ', '大 頭 仔 ', '大 頭 仔 ', '三 頭 無 小 ', '大 頭 ', '大 人 無 無 ', '三 頭 一 人 ', '這 人 人 人 人 人 人 人 人 人 ', '大 頭 仔 ', '三 頭 無 無 ', '三 頭 無 小 ', '大 火 ', '三 頭 人 人 生 生 生 ', '三 頭 無 人 ', '大 人 人 人 人 ', '三 人 人 人 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 無 無 ', '三 頭 一 人 生 一 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 坵 ', '大 人 無 ', '大 人 無 ', '大 人 人 人 人 ', '這 人 人 人 人 人 人 人 人 人 人 人 人 伊 人 伊 人 伊 人 ', '大 人 無 ', '三 人 無 無 ', '三 頭 無 小 ', '大 人 無 無 ', '大 火 ', '三 頭 仔 ', '三 頭 人 人 一 人 ', '三 頭 一 人 生 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 無 人 ', '跤 頭 ', '三 頭 仔 ', '大 人 無 無 ', '這 人 人 人 人 人 人 人 人 人 人 伊 人 ', '三 頭 無 ', '大 人 無 ', '跤 頭 ', '三 頭 仔 ', '大 坵 ', '大 坑 ', '大 人 無 無 ', '大 坵 ', '徘 ', '大 坵 ', '大 湲 ', '大 湯 ', '大 人 無 ', '跤 仔 ', '大 大 路 ', '大 坵 仔 ', '三 頭 人 無 人 ', '大 坵 ', '大 大 路 ', '大 人 無 ', '大 坵 仔 ', '徘 ', '大 大 路 ', '大 坑 ', '大 坑 ', '大 人 無 ', '大 湯 ', '大 大 路 ', '三 頭 無 無 ', '大 大 路 ', '大 湲 ', '大 坑 ', '大 人 無 ', '大 坑 ', '大 大 路 ', '大 湲 ', '大 坑 ', '大 坵 ', '大 坑 ', '大 坵 ', '大 大 路 ', '大 坵 ', '大 火 ', '大 人 無 ', '大 人 人 人 人 ', '大 湯 ', '大 人 無 ', '大 大 路 ', '大 坵 仔 ', '三 頭 無 小 ', '跤 仔 ', '大 人 無 ', '三 頭 無 小 ', '三 頭 人 人 人 生 生 一 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 坑 ', '鵬 ', '大 坑 ', '三 頭 無 小 ', '大 人 無 無 ', '三 頭 無 ', '跤 仔 ', '跤 頭 ', '大 湲 ', '三 頭 仔 ', '跤 仔 ', '跤 仔 ', '跤 頭 ', '三 頭 無 無 ', '跤 仔 ', '大 人 無 ', '大 爯 ', '大 湲 ', '大 坑 ', '大 人 人 人 人 ', '三 頭 無 小 ', '三 頭 無 ', '大 坑 ', '跤 頭 ', '三 頭 無 ', '大 角 ', '大 湯 ', '大 人 無 ', '大 人 無 無 ', '大 人 無 ', '大 坑 ', '大 坵 ', '大 人 無 ', '三 頭 無 ', '三 頭 無 ', '大 坑 ', '跤 仔 ', '跤 頭 ', '跤 仔 ', '大 頭 仔 ', '三 頭 頭 ', '大 頭 ', '跤 仔 ', '三 頭 頭 ', '大 火 ', '三 頭 無 小 ', '跤 頭 ', '三 人 無 無 無 ', '大 人 無 人 ', '大 人 無 ', '鵬 ', '跤 仔 ', '大 火 ', '鵭 仔 ', '大 頭 仔 ', '跤 頭 ', '三 頭 人 人 一 生 一 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 人 無 無 ', '大 頭 仔 ', '鵭 仔 ', '大 人 無 ', '大 人 無 無 ', '雞 頭 ', '鵾 仔 ', '大 角 ', '大 磾 ', '三 頭 仔 ', '跤 頭 ', '三 頭 仔 ', '大 角 仔 ', '三 頭 仔 ', '大 人 無 ', '大 人 無 ', '鵭 仔 ', '跤 仔 ', '三 頭 無 ', '烏 頭 ', '三 頭 仔 ', '三 頭 人 人 一 人 ', '三 頭 仔 ', '跤 頭 ', '跤 仔 ', '三 頭 無 無 ', '三 頭 人 無 人 ', '大 人 無 ', '跤 仔 ', '三 頭 無 小 ', '大 頭 仔 ', '三 頭 無 ', '大 頭 仔 ', '三 頭 人 一 人 生 生 生 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 頭 仔 ', '三 頭 無 無 ', '跤 仔 ', '大 火 ', '大 磾 ', '大 磾 ', '大 人 無 ', '鵬 ', '跤 仔 ', '跤 頭 ', '鵭 仔 ', '跤 仔 ', '大 人 無 ', '大 人 無 ', '大 頭 路 ', '大 人 無 ', '雞 頭 ', '大 坑 ', '大 坑 ', '大 人 無 無 ', '大 人 無 ', '三 頭 無 小 ', '徘 ', '大 坑 ', '大 磾 ', '鵭 仔 ', '大 人 無 無 ', '大 湲 ', '大 火 ', '大 人 無 ', '大 人 人 人 ', '大 大 路 ', '大 坑 ', '大 角 仔 ', '大 人 人 人 ', '大 磾 ', '大 爯 ', '大 磾 ', '大 人 人 人 人 ', '大 磾 ', '大 人 無 ', '大 人 無 無 ', '大 湯 ', '大 磾 ', '大 火 ', '大 湲 ', '大 湲 ', '大 湲 ', '大 爯 ', '大 坑 ', '徘 ', '徘 ', '大 坑 ', '大 坑 ', '大 磾 ', '徘 ', '大 人 無 ', '大 人 無 ', '大 坑 ', '大 坵 ', '徘 ', '大 坑 ', '大 坵 ', '大 大 路 ', '鵬 ', '跤 仔 ', '徘 ', '大 大 路 ', '大 大 路 ', '大 人 無 ', '大 坑 ', '大 坑 ', '大 人 無 ', '大 人 無 ', '大 湲 ', '大 大 路 ', '三 頭 無 無 ', '三 頭 無 小 ', '跤 仔 ', '大 坑 ', '大 人 無 ', '三 頭 人 一 人 生 生 生 ', '大 人 無 無 ', '三 頭 無 ', '大 頭 仔 ', '大 湲 ', '大 人 無 無 ', '大 人 無 ', '大 人 無 ', '三 頭 無 ', '大 人 人 人 人 ', '三 頭 一 人 ', '三 頭 人 一 人 生 生 ', '跤 仔 ', '大 人 無 ', '三 頭 一 人 ', '三 人 無 人 ', '跤 仔 ', '大 人 無 無 ', '三 頭 人 人 一 生 生 生 ', '大 頭 仔 ', '三 頭 頭 ', '大 頭 ', '大 人 人 人 人 ', '大 湲 ', '大 人 無 ', '大 角 ', '大 人 人 人 ', '三 頭 無 小 ', '三 頭 頭 生 ', '大 人 無 ', '大 人 無 ', '大 人 人 人 人 ', '大 人 人 人 ', '三 頭 仔 ', '大 人 人 人 ', '三 頭 人 人 一 人 ', '三 頭 仔 ', '三 頭 無 小 ', '大 頭 ', '大 人 無 無 ', '大 坵 ', '三 頭 無 人 ', '大 磾 ', '大 火 仔 ', '大 湲 ', '跤 頭 ', '跤 頭 ', '三 頭 頭 ', '三 頭 無 無 ', '三 頭 無 無 ', '三 頭 無 生 ', '三 頭 仔 ', '三 頭 人 一 人 生 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 頭 仔 ', '大 人 無 ', '大 大 路 ', '大 人 無 ', '烏 頭 仔 ', '大 人 無 無 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 湯 ', '跤 頭 ', '大 頭 無 ', '三 人 人 人 人 人 人 人 人 人 人 一 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '三 人 無 人 ', '大 頭 ', '大 火 ', '跤 頭 ', '大 人 無 ', '鵾 仔 ', '跤 仔 ', '三 頭 無 無 ', '大 人 無 無 ', '大 大 路 ', '三 頭 仔 ', '大 湲 ', '大 湯 ', '大 湲 ', '大 磾 ', '跤 仔 ', '大 人 無 ', '大 火 仔 ', '大 頭 仔 ', '三 頭 頭 ', '鵬 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 湲 ', '跤 頭 ', '跤 頭 ', '三 頭 無 無 ', '大 大 路 ', '大 坵 ', '鵭 仔 ', '大 人 無 無 ', '大 人 無 ', '三 頭 無 小 ', '大 火 ', '大 大 路 ', '大 頭 ', '鵭 ', '大 大 路 ', '大 磾 ', '跤 仔 ', '大 大 路 ', '大 人 無 ', '大 人 無 ', '大 火 ', '大 人 無 ', '大 頭 仔 ', '大 湯 ', '大 磾 ', '大 磾 ', '大 磾 ', '大 湲 ', '大 湯 ', '大 湲 ', '大 人 無 ', '大 湯 ', '大 人 無 ', '大 湯 ', '大 人 人 人 人 人 ', '大 磾 ', '大 湲 ', '大 人 無 ', '大 磾 ', '大 磾 ', '大 人 無 ', '大 湲 ', '大 湲 ', '大 人 無 ', '大 人 無 ', '大 大 路 ', '大 人 人 人 ', '大 人 無 ', '大 人 無 無 ', '大 人 無 無 ', '大 湲 ', '大 人 人 人 人 人 ', '大 人 無 ', '大 大 路 ', '大 人 無 ', '大 人 人 人 人 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 人 人 人 人 ', '大 人 無 無 ', '大 湯 ', '大 湯 ', '大 人 無 ', '大 人 無 ', '大 大 路 ', '大 人 無 ', '三 頭 無 ', '大 湲 ', '大 火 ', '大 頭 仔 ', '大 人 無 ', '大 人 無 ', '三 頭 人 人 一 人 生 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 頂 ', '大 湲 ', '大 湲 ', '大 湲 ', '大 湯 ', '大 坑 ', '跤 仔 ', '大 人 無 ', '大 人 無 ', '大 磾 ', '大 大 路 ', '鵭 仔 ', '大 磾 ', '跤 仔 ', '大 湲 ', '三 頭 無 無 ', '大 大 路 ', '大 人 人 人 人 ', '大 人 無 ', '大 人 無 ', '大 火 ', '三 頭 人 人 ', '大 湲 ', '大 大 路 ', '大 人 無 ', '大 頭 仔 ', '大 坵 ', '大 坑 ', '大 人 無 無 ', '大 湲 ', '大 人 無 ', '大 人 無 ', '大 湯 ', '大 人 無 ', '大 火 ', '大 湲 ', '大 人 無 ', '大 磾 ', '大 人 無 ', '大 人 無 ', '大 人 無 ', '大 湲 ', '大 湯 ']
+pred_str=['心 理 性 別 ', '火 燒 跤 村 ', '草 屬 ', '十 三 項 ', '水 里 鄉 ', '這 代 有 一 個 大 商 場 ', '聯 合 國 ', '菜 頭 人 仔 ', '若 洲 ', '肉 羹 ', '新 興 區 ', '太 古 幣 ', '麵 冬 ', '喙 仔 ', '洗 蚵 飯 ', '新 粹 ', '燒 包 仔 ', '空 頭 ', '黃 坤 ', '落 水 溪 出 代 誌 ', '粗 細 ', '愛 害 ', '九 年 一 貫 ', '精 靈 ', '三 寶 ', '速 速 ', '蔗 菜 咧 擲 ', '眼 目 袂 消 看 關 係 ', '鎮 烏 ', '兩 个 人 已 经 講 和 矣 ', '濁 水 ', '細 空 喙 ', '掠 著 筋 頭 ', '復 興 館 ', '戒 律 ', '草 人 坑 ', '祝 你 生 理 快 樂 ', '坑 潭 ', '出 水 ', '皮 皮 串 ', '囝 仔 羹 ', '菝 露 ', '臺 灣 人 ', '落 南 ', '原 理 坑 ', '坑 仔 內 ', '起 冊 到 地 ', '戶 錢 ', '紅 糖 ', '青 大 湖 ', '柴 柴 橋 ', '柴 球 ', '大 胃 王 子 ', '大 橂 埕 ', '頭 類 ', '桑 餅 ', '喙 暗 籠 ', '龍 門 ', '時 局 ', '熟 士 ', '線 尾 ', '無 話 講 家 老 ', '下 暗 磅 ', '一 人 ', '一 定 看 袂 著 ', '看 一 下 影 生 一 下 囝 ', '倒 勢 ', '直 行 ', '鬼 進 壽 仙 ', '肚 肚 ', '變 天 ', '一 工 到 鴨 ', '粉 盤 ', '有 幾 項 菜 ', '岩 埔 ', '鑼 角 區 ', '過 路 山 ', '戇 買 戇 人 行 ', '粗 食 ', '這 咧 外 濟 錢 ', '斜 仔 ', '看 甲 清 清 粗 粗 ', '妄 生 ', '發 聲 ', '白 囡 仔 ', '心 火 動 火 ', '番 鼎 仔 ', '流 窟 窟 ', '大 溪 火 ', '名 聲 真 頭 ', '閃 烘 肉 ', '骨 ', '龜 大 ', '水 溪 皮 仔 ', '夯 月 糕 ', '翹 無 三 文 門 著 想 欲 做 塗 公 ', '尪 姨 仔 ', '臺 北 橋 ', '雲 林 縣 ', '臺 中 港 ', '水 里 ', '臺 南 市 ', '七 度 ', '做 公 竹 ', '臺 川 鄉 ', '燒 肉 肉 ', '筊 ', '漢 草 真 好 ', '殘 影 ', '按 呢 生 ', '海 外 ', '無 味 可 拄 著 潤 骨 ', '奇 鄉 小 細 ', '復 ', '頭 尾 ', '牛 頓 市 場 ', '政 商 ', '吐 著 咧 ', '動 物 性 格 質 ', '實 問 精 ', '悠 悠 殼 ', '鑼 鑼 霧 小 睏 ', '乞 頭 鄉 ', '聖 義 臺 安 路 口 ', '三 三 八 八 ', '你 話 毋 通 予 白 講 ', '白 寮 鄉 ', '你 莫 著 中 午 肚 臍 ', '新 安 路 ', '金 錢 毋 是 萬 能 的 ', '飛 苓 雅 菜 ', '富 寮 里 ', '你 是 誰 ', '番 烏 ', '神 經 ', '合 同 ', '挺 挺 ', '販 賣 殼 ', '天 氣 冷 啦 你 就 愛 街 踏 一 件 衫 ', '我 到 底 看 著 啥 物 ', '手 環 ', '古 不 日 三 彰 ', '廳 價 ', '透 睛 仔 ', '傲 求 術 ', '隔 音 壁 ', '拍 桶 頭 ', '揮 火 滿 天 篷 結 智 者 行 人 ', '東 北 貴 方 ', '武 情 機 ', '做 ��� 無 小 力 ', '景 空 白 虹 ', '這 妖 仔 摸 落 去 真 緊 張 的 體 育 仔 ', '毛 髏 仔 ', '割 喙 血 ', '陽 明 山 ', '加 鼻 灌 ', '囡 仔 食 ', '佇 對 路 症 一 點 情 ', '伊 歸 心 美 虎 大 學 ', '東 湖 國 中 ', '中 原 公 園 ', '半 路 店 ', '冰 冷 坑 ', '東 石 鄉 ', '餅 酥 的 ', '無 中 生 化 ', '馬 藏 角 ', '演 藝 伎 ', '厝 邊 頭 背 ', '波 灣 粿 ', '仁 愛 烘 酒 路 口 ', '千 頁 ', '七 夕 肚 ', '大 極 大 理 ', '烘 仔 頭 鏡 ', '飼 ', '咱 做 代 誌 的 時 尊 ', '包 水 餃 ', '海 鳥 毋 知 飛 海 柴 破 袂 開 ', '溫 宗 中 ', '健 康 中 生 ', '印 度 尼 西 亞 ', '生 理 族 ', '獅 仔 頭 ', '大 肚 路 ', '市 仔 ', '落 野 區 ', '學 姐 ', '放 人 山 ', '虎 尾 直 ', '下 腹 肚 ', '興 村 鎮 ', '燒 火 球 ', '化 極 ', '我 三 攏 穿 上 大 領 ', '溜 下 來 ', '半 條 命 ', '生 活 習 慣 ', '電 影 機 ', '菜 脯 蛋 ', '塗 塗 塗 ', '鐵 甲 牛 ', '風 火 頭 ', '現 流 仔 ', '培 了 工 ', '空 港 ', '較 大 ', '公 政 橋 ', '巴 結 ', '古 汁 ', '有 拜 無 積 穏 ', '這 時 ', '直 白 ', '下 災 ', '較 早 睏 ', '寮 寮 臺 巡 ', '公 司 ', '懸 枯 緊 緊 ', '坑 仔 ', '林 線 香 菇 ', '山 羊 ', '大 頭 九 寶 ', '塗 辦 人 道 ', '對 ', '內 沿 ', '阮 會 香 櫞 ', '地 目 ', '真 有 喙 水 ', '模 特 師 ', '相 相 認 你 就 是 林 朋 友 ', '青 山 溫 ', '鶴 曲 蘭 ', '金 冬 ', '變 啦 ', '單 欲 節 ', '狗 尾 金 ', '牛 坑 ', '過 冬 跤 ', '頭 辦 坑 坑 ', '無 聽 著 ', '礦 機 仔 ', '厝 影 ', '江 州 ', '青 天 街 ', '東 方 ', '問 題 ', '桃 源 聖 別 ', '故 厝 ', '妖 嬌 ', '復 國 小 ', '點 磕 ', '光 臺 ', '目 虛 股 仔 ', '立 斗 ', '永 環 ', '你 是 我 我 ', '達 著 歹 隊 步 ', '僥 候 ', '骨 髏 公 的 無 船 上 ', '加 辣 片 ', '如 來 如 嚴 重 ', '一 個 一 個 ', '陳 公 大 橋 ', '上 大 大 師 所 ', '蒜 仔 虯 公 ', '骨 銅 跤 ', '復 興 戶 ', '講 啥 芋 仔 漢 字 ', '毋 行 ', '親 密 閨 讀 著 童 ', '你 使 毋 知 哉 臭 ', '斗 南 ', '狗 睏 鼠 無 趖 ', '水 粿 仔 ', '門 狀 ', '五 手 空 ', '心 無 目 無 厄 ', '敢 食 氣 溜 ', '阿 婆 婆 ', '機 動 戰 士 ', '電 動 ', '起 直 行 ', '跤 先 股 ', '所 羅 門 群 島 ', '彰 界 ', '我 愛 大 股 ', '高 頂 ', '甜 鹹 ', '上 界 ', '是 小 ', '落 億 不 折 ', '跤 倉 門 ', '猴 仔 疊 豬 仔 ', '風 神 尪 仔 ', '山 ', '生 甲 袂 蠻 ', '九 月 趖 ', '橫 刀 仔 ', '中 央 大 學 ', '石 門 水 庫 ', '亂 史 上 ', '百 貨 店 ', '酸 素 肝 ', '甲 界 ', '洗 衫 飯 ', '天 臺 ', '數 位 拍 ', '後 褲 ', '鈍 刺 火 ', '頭 走 位 ', '夭 壽 貴 ', '好 所 在 ', '兩 市 ', '鐵 理 ', '現 辦 ', '九 點 位 ', '伊 生 做 這 麼 臭 老 ', '摩 星 仔 石 鉎 ', '一 甘 甘 仔 ', '龍 公 ', '隔 十 五 件 ', '提 著 ', '心 心 酒 店 ', '過 時 抵 時 ', '較 平 咧 ', '桃 生 大 罐 ', '戮 區 杯 仔 ', '行 佇 這 袂 著 愛 工 薪 ', '隔 花 仔 ', '抹 衫 面 仔 ', '雨 傘 鵰 ', '石 板 ', '虎 魚 ', '落 雨 了 塗 跤 鼻 公 擔 落 落 ', '較 倉 ', '家 人 市 ', '你 欲 行 對 度 位 去 ', '敦 化 和 平 路 口 ', '公 仔 喙 ', '阮 囝 今 年 二 十 出 頭 矣 ', '新 港 域 ', '愛 袂 叫 母 ', '一 分 ', '問 問 仔 戶 ', '元 安 ', '牛 丼 ', '袂 看 得 ', '立 公 立 直 ', '牛 山 肚 ', '過 度 ', '十 做 水 ', '麥 仔 跤 ', '包 大 ', '原 地 ', '三 重 三 重 ', '林 口 ', '必 定 ', '初 度 ', '揣 轉 來 ', '機 中 站 ', '樹 仔 代 ', '心 股 ', '小 大 ', '頂 底 寮 ', '佇 人 ', '你 甲 包 仔 提 起 哈 少 一 下 ', '病 風 景 病 風 君 ', '頂 公 館 ', '線 仙 ', '演 技 界 ', '花 粉 ', '毋 情 毋 怨 ', '較 緊 ', '有 也 好 無 也 好 ', '草 生 ', '講 喙 仔 龍 ', '怪 奇 果 ', '國 土 家 房 ', '新 羅 ', '貴 妻 ', '豆 豆 仔 ', '拍 寶 ', '物 件 若 予 伊 提 過 手 ', '電 腦 霓 ', '意 界 ', '刺 尾 風 ', '烏 內 ', '提 灶 ', '無 搭 無 散 ', '我 欲 遵 佇 落 山 ', '倒 擁 ', '聽 無 ', '彼 个 頭 家 娘 對 人 客 食 好 咧 ', '大 細 練 ', '無 葉 ', '無 二 五 你 的 出 國 讀 冊 ', '石 烘 ', '嘉 義 ', '後 寮 ', '我 攏 有 看 著 ', '鏡 仁 路 ', '歹 天 ', '三 跤 步 一 坎 點 ', '臘 肉 ', '句 裡 作 ', '下 午 中 生 ', '林 棍 ', '無 直 結 ', '公 文 ', '十 喙 九 跤 倉 ', '頭 仔 片 ', '掠 錢 ', '無 空 鳥 ', '蚵 仔 湯 仔 ', '隔 屎 面 ', '白 對 銅 ', '膨 一 枝 ', '無 一 步 ', '老 口 講 出 來 ', '斗 頂 ', '膨 底 做 甲 流 懸 膨 跤 成 甲 流 懸 ', '烏 豆 汁 ', '拍 屎 辦 ', '桶 邊 ', '焦 巴 ', '簡 訊 ', '一 下 才 一 下 ', '筋 的 酸 ', '洋 仔 話 ', '拍 數 ', '直 落 挖 ', '總 舖 ', '三 里 無 見 久 留 留 ', '學 官 ', '手 心 動 ', '電 子 ', '暗 空 ', '散 食 ', '速 加 車 ', '妖 意 ', '燒 雞 龜 ', '��� 鉤 ', '寮 溝 ', '暗 頭 仔 ', '濟 囝 濟 白 白 濟 媳 婦 濟 體 育 ', '溝 球 ', '無 睹 好 ', '戳 頭 鵰 ', '金 環 實 力 ', '觀 音 大 師 ', '臺 準 ', '欲 按 嘛 ', '後 路 ', '結 尾 ', '一 萬 兩 仔 ', '提 款 片 ', '無 你 的 代 ', '天 公 祖 ', '篡 港 ', '麗 茶 ', '馬 鈴 薯 條 ', '做 塗 水 的 ', '林 青 味 ', '流 明 潭 ', '官 包 遊 ', '糖 醋 ', '二 戰 ', '拍 鐵 屎 ', '慢 一 跤 步 ', '提 皮 的 ', '下 禮 拜 ', '死 亡 之 鴨 ', '你 毋 通 囥 佇 身 外 內 ', '臭 菇 仔 ', '歎 一 空 食 三 冬 ', '我 欲 學 臺 語 ', '臺 ', '目 角 肚 ', '雨 水 暗 ', '貴 州 省 ', '敦 華 北 路 ', '你 看 起 來 是 才 拿 仔 水 ', '情 的 食 妄 妄 的 食 天 公 ', '轉 去 ', '那 不 是 ', '幾 個 ', '防 長 ', '港 墘 ', '二 寵 仔 ', '無 鐵 仔 ', '原 型 力 ', '麥 坑 ', '六 點 ', '市 中 ', '樹 母 苓 ', '魚 仔 羹 ', '廣 寮 區 ', '柑 花 噴 天 ', '大 好 逆 人 ', '行 政 院 ', '食 市 ', '九 底 厝 ', '寧 星 ', '月 光 ', '種 水 氣 ', '奇 幼 ', '天 公 市 ', '懸 ', '愛 大 理 ', '我 薑 尾 袂 負 矣 ', '天 方 ', '有 連 線 ', '衝 ', '中 國 話 ', '拔 香 對 拜 ', '四 跤 草 ', '挺 風 ', '觀 覽 ', '結 上 路 ', '彈 跳 ', '焦 工 算 ', '時 過 外 大 平 ', '有 這 款 的 代 誌 我 攏 毋 知 ', '磨 豆 仔 機 ', '國 聖 夜 ', '林 口 區 ', '菝 ', '苦 蒜 明 薯 ', '代 誌 圖 案 ', '半 生 半 疑 ', '點 甜 點 甜 土 坑 兄 味 事 ', '你 有 工 工 ', '仁 堂 無 洗 手 的 朋 友 ', '烏 日 ', '微 風 ', '水 旋 ', '懸 欠 ', '連 半 个 人 影 也 無 ', '調 褲 ', '塗 水 公 ', '無 沙 沙 ', '微 星 船 ', '欲 玩 矣 ', '韌 種 ', '頂 頭 目 睭 咧 念 字 ', '伊 有 誠 濟 內 筍 ', '工 仔 喙 國 小 ', '濁 國 速 公 ', '落 尾 ', '平 方 電 腦 ', '問 蠓 仔 烏 鑼 鼓 塗 麥 擔 ', '仁 君 水 ', '漁 人 副 按 一 下 位 ', '鹹 酥 雞 ', '天 然 蚵 仔 ', '熟 悾 ', '茨 杜 ', '聖 誕 老 阿 公 ', '天 頂 白 茫 茫 ', '飯 煎 ', '南 巡 ', '吾 人 事 ', '有 溫 ', '包 山 包 海 ', '點 空 區 ', '洗 衫 精 ', '哈 勁 鎮 商 ', '開 喙 罨 粒 粒 草 ', '焦 水 器 ', '老 舊 家 ', '速 加 路 亞 ', '數 位 仔 聯 名 ', '臭 水 ', '屬 暗 君 仔 ', '飛 行 機 ', '冰 粿 ', '圍 空 天 下 不 亂 ', '錢 票 ', '龜 仔 樹 ', '溶 角 三 角 ', '半 夜 ', '思 維 ', '衝 勇 ', '敢 有 問 題 ', '遮 涼 ', '月 磯 忝 竹 ', '做 塗 水 ', '怪 奇 ', '班 景 ', '狡 官 ', '歹 牙 ', '中 山 路 ', '橫 仔 溝 ', '粉 圓 仔 ', '菊 菊 摸 摸 ', '毋 知 佇 看 個 時 ', '妖 冬 ', '激 光 雨 ', '海 塗 仔 ', '溝 頭 果 ', '熟 士 娘 上 ', '面 珠 ', '底 葉 卵 ', '無 時 焦 電 ', '斜 人 一 口 勁 人 一 道 ', '鐵 磯 ', '銅 杯 仔 ', '二 刀 ', '復 生 豆 子 隻 ', '人 講 對 人 講 ', '金 剛 鑽 石 ', '做 肉 餅 ', '小 寶 喙 ', '櫳 哥 魚 ', '比 頭 村 仔 ', '一 筆 錢 ', '菝 菜 ', '溝 仔 密 情 ', '一 枝 草 一 點 路 ', '早 市 ', '大 頭 母 人 ', '包 的 ', '上 禮 拜 ', '牛 厝 仔 ', '人 行 貴 貴 行 人 ', '無 記 地 情 ', '日 落 山 ', '憨 鄉 ', '七 塗 跤 ', '袂 死 心 ', '解 濟 ', '做 遊 戀 ', '有 聽 著 無 ', '大 姨 田 ', '斗 人 仔 本 ', '固 固 ', '影 人 ', '勥 查 戶 ', '暗 端 食 生 ', '草 薑 流 角 ', '挺 快 ', '首 寶 ', '薄 餅 ', '手 著 ', '亂 無 ', '無 情 菜 ', '內 街 ', '烏 樹 ', '小 酸 臭 ', '菊 潤 ', '蠓 公 廁 貴 ', '山 炭 ', '人 聲 欠 貨 ', '天 公 無 帶 著 ', '望 遠 鄉 ', '食 風 ', '粉 刺 ', '皮 車 ', '大 姊 ', '公 館 路 ', '碧 潭 路 ', '臺 北 歐 洲 校 校 小 學 部 ', '倉 裡 不 分 ', '四 分 仔 ', '頭 殼 的 ', '南 京 城 ', '應 隨 機 ', '破 珠 溪 ', '池 上 ', '跤 車 ', '懸 胎 ', '苦 袂 當 ', '單 從 工 ', '喙 驚 和 ', '斜 浮 ', '加 攏 城 ', '頂 底 蚵 ', '張 張 假 口 ', '社 群 ', '用 頂 厝 ', '風 駝 公 園 ', '金 烏 鎮 ', '中 校 復 興 ', '民 族 區 溫 度 口 ', '松 信 路 ', '飼 香 粉 ', '溫 州 ', '臺 北 聯 絡 線 ', '有 夠 咧 加 速 ', '伊 加 我 一 半 ', '酸 仔 ', '記 者 鄉 ', '驚 柑 仔 囝 ', '四 跤 水 仙 ', '暖 暖 區 ', '用 齒 面 仔 洗 喙 時 愛 上 律 氣 膏 ', '新 社 ', '母 親 力 顧 予 伊 好 ', '十 包 ', '部 位 ', '埔 路 ', '冰 糖 ', '復 興 橋 ', '阿 拉 ', '蒜 蠻 ', '員 林 市 ', '批 錢 ', '妄 大 志 ', '麵 腸 仁 ', '景 興 路 ', '海 蛤 仔 頭 ', '一 月 半 月 ', '失 聯 制 ', '後 區 ', '隨 風 ', '蘭 斯 貓 頭 鳥 ', '茅 露 開 ', '子 宮 喙 暗 ', '高 姊 太 ', '假 說 ', '不 知 ', '院 頭 區 ', '上 海 茂 霞 ', '意 識 面 ', '光 風 ', '月 耳 池 中 ', '彼 人 災 我 無 ', '紅 豆 仔 蜂 ', '頂 河 ', '商 機 ', '三 兩 人 講 四 斤 話 ', '金 貨 ', '一 組 ', '軟 褲 ', '珍 珠 看 著 鳥 市 屎 ', '天 津 ', '角 運 動 量 ', '��� 問 著 恐 怖 ', '貧 極 競 ', '羅 連 ', '真 聽 話 ', '溶 炭 煎 ', '火 星 岩 ', '可 睏 員 ', '烏 上 ', '椅 頭 風 ', '蔭 喙 ', '查 緯 ', '較 通 ', '番 薯 片 ', '頂 去 ', '卵 珠 ', '歡 喜 感 源 ', '大 海 無 驚 大 水 ', '懷 矣 ', '跤 手 電 ', '欲 ', '煎 巴 醬 ', '徛 肚 胿 ', '查 某 人 ', '韓 子 球 ', '膨 了 臭 ', '大 火 ', '火 炬 母 ', '英 國 話 ', '明 天 顧 問 ', '老 機 ', '看 有 ', '影 差 天 火 度 ', '下 文 外 童 ', '大 路 二 ', '內 ', '金 風 山 ', '死 袂 見 笑 ', '蟮 子 ', '焦 化 ', '馬 鈴 薯 片 ', '你 頭 拍 甲 倉 仔 顧 無 客 ', '囊 物 褲 粉 ', '擋 水 機 ', '肚 肚 胿 仔 ', '陂 南 ', '袂 當 敢 若 我 看 著 ', '有 困 山 ', '大 市 好 勢 仔 蠢 ', '水 氣 ', '景 文 街 ', '樹 天 樹 地 ', '今 年 是 一 個 好 年 冬 ', '事 搭 ', '雨 傘 頭 ', '三 講 四 無 著 ', '五 所 分 離 ', '反 插 ', '大 日 本 帝 國 ', '烘 蓋 芒 霜 ', '臘 蚵 ', '吞 兩 ', '莫 計 ', '經 濟 做 代 誌 較 要 緊 ', '你 講 啥 ', '景 水 ', '位 極 ', '身 體 健 康 ', '跤 手 十 足 ', '延 珠 學 ', '下 年 ', '大 路 大 股 ', '伊 是 一 下 大 美 人 ', '解 溶 ', '放 棄 ', '你 陪 我 去 彼 邊 好 無 ', '網 路 用 較 刁 咧 ', '樹 屎 ', '孤 單 一 生 ', '加 滴 ', '市 長 袂 中 ', '有 手 仔 ', '孤 烘 毒 市 ', '裡 面 ', '自 目 ', '役 仔 ', '燒 狗 ', '冷 喙 ', '創 辦 人 ', '水 灝 蠟 ', '飼 養 動 物 ', '目 睭 白 金 ', '撲 囡 仔 ', '我 予 滾 水 蟲 一 下 膨 拍 著 聽 的 ', '聖 杯 ', '為 人 ', '過 濟 ', '三 二 九 ', '飯 焦 ', '天 車 ', '圍 篤 ', '目 睭 久 ', '白 紅 ', '電 蜜 ', '鹽 酸 臭 ', '粉 仔 韓 市 ', '你 一 次 來 伊 攏 居 好 寮 的 ', '來 喲 今 來 看 喲 ', '犯 改 ', '總 事 記 ', '破 柴 ', '掠 開 ', '鳳 山 ', '老 厝 ', '開 船 母 昌 ', '金 美 國 小 ', '直 白 市 ', '橋 頭 區 ', '南 州 ', '好 味 鎮 ', '長 力 ', '西 區 ', '國 泰 ', '水 腸 流 ', '中 庸 路 ', '南 福 著 ', '金 華 大 學 ', '西 角 ', '樹 林 區 ', '紙 片 變 膠 ', '中 山 橋 ', '彰 化 銀 行 ', '吳 國 昌 ', '喙 風 橋 ', '花 仔 菜 ', '中 情 國 小 ', '這 樣 就 好 ', '老 去 矣 ', '車 頂 ', '南 洋 街 ', '匈 羅 ', '松 壽 路 口 ', '中 坑 ', '不 屬 自 客 ', '瑞 源 ', '後 役 ', '大 腸 鼎 ', '筊 仔 弓 ', '再 拜 ', '新 營 區 ', '政 二 幼 局 ', '寧 夏 路 ', '動 慢 ', '大 好 年 ', '仁 愛 鄉 ', '快 龍 ', '辦 ', '洗 面 ', '食 肌 ', '調 官 機 ', '仙 獅 娘 ', '拍 鐵 寮 ', '路 營 區 ', '韌 尾 ', '外 鄉 客 ', '聖 字 區 ', '你 阿 母 間 災 仔 你 在 遮 發 貨 物 ', '敢 安 呢 ', '到 草 原 ', '望 星 橋 ', '市 府 ', '實 字 架 ', '文 昌 橋 ', '有 影 緊 無 ', '林 內 鄉 ', '紅 目 樹 屎 ', '囡 仔 人 目 看 有 ', '菁 大 ', '文 古 揣 ', '歹 喙 道 ', '查 某 人 ', '滷 菜 頭 ', '跳 過 ', '鴨 母 帶 唱 旋 ', '不 貪 不 自 ', '客 行 ', '下 腹 腓 ', '天 安 門 公 場 ', '豆 磨 ', '溫 寮 戶 ', '初 花 ', '雞 籠 蜂 ', '暗 明 網 線 娘 ', '袂 曉 公 話 ', '腰 床 ', '順 勢 ', '三 攏 無 ', '鐵 欲 膠 ', '推 渡 ', '卒 久 無 看 的 ', '起 家 補 貨 ', '臺 東 ', '不 見 天 ', '麥 花 蜜 ', '著 蝦 仔 腸 ', '苦 寮 仔 ', '五 肌 筋 頭 好 隔 腿 的 突 肌 嘛 痛 ', '溶 毛 位 ', '厝 尾 頂 ', '橫 樹 人 ', '大 坵 ', '殼 羹 ', '客 戶 ', '按 摩 師 ', '芋 仔 糊 ', '海 口 ', '阿 里 不 搭 ', '冰 島 ', '摺 ', '屎 啦 ', '臭 屎 青 ', '網 紗 尿 尻 倉 ', '策 伐 ', '庸 桑 歸 桑 ', '一 切 攏 是 假 的 ', '小 山 崙 仔 ', '煎 仔 糊 ', '青 眉 仔 目 鏡 ', '親 愛 的 ', '臺 大 大 學 ', '欲 去 到 位 ', '坑 頭 鴨 ', '面 流 ', '揣 著 ', '嬌 童 小 道 ', '門 東 仔 ', '寧 角 龍 ', '狡 頭 不 勇 ', '桃 園 ', '我 欲 去 便 所 ', '彼 當 時 ', '片 雷 公 ', '代 誌 問 號 ', '症 頭 ', '我 思 緘 ', '材 料 庫 學 ', '甕 底 水 溪 ', '貨 錢 ', '睏 袂 去 ']

pytorch_model.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:9c1e1cf1e0f592d5e4a409fb4bad5c85a3999010e244b51f776a67a2fc6c0616
+oid sha256:4ef4e1637cc218a82689705eefba3dfb4c61dd4754c6462e1492eb4c9dee2738
 size 6173655480

tokenizer_config.json

@@ -19,7 +19,6 @@
   },
   "errors": "replace",
   "model_max_length": 1024,
-  "name_or_path": "openai/whisper-large-v2",
   "pad_token": null,
   "processor_class": "WhisperProcessor",
   "return_attention_mask": false,

train_results.json

@@ -1,7 +1,7 @@
 {
-    "epoch": 6.05,
-    "train_loss": 3.0522214595794677,
-    "train_runtime": 5458.8622,
-    "train_samples_per_second": 1.832,
-    "train_steps_per_second": 0.916
+    "epoch": 1.38,
+    "train_loss": 0.91982373046875,
+    "train_runtime": 1347.6358,
+    "train_samples_per_second": 1.484,
+    "train_steps_per_second": 0.742
 }

trainer_state.json

@@ -1,1275 +1,41 @@
 {
   "best_metric": null,
   "best_model_checkpoint": null,
-  "epoch": 6.0532,
-  "global_step": 5000,
+  "epoch": 1.383,
+  "global_step": 1000,
   "is_hyper_param_search": false,
   "is_local_process_zero": true,
   "is_world_process_zero": true,
   "log_history": [
     {
-      "epoch": 0.01,
-      "learning_rate": 4.2000000000000006e-07,
-      "loss": 2.3259,
-      "step": 25
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 9.000000000000001e-07,
-      "loss": 1.7615,
-      "step": 50
-    },
-    {
-      "epoch": 0.01,
-      "learning_rate": 1.3800000000000001e-06,
-      "loss": 1.2375,
-      "step": 75
-    },
-    {
-      "epoch": 0.02,
-      "learning_rate": 1.8800000000000002e-06,
-      "loss": 1.3112,
-      "step": 100
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.38e-06,
-      "loss": 1.3986,
-      "step": 125
-    },
-    {
-      "epoch": 0.03,
-      "learning_rate": 2.88e-06,
-      "loss": 1.6643,
-      "step": 150
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.3800000000000007e-06,
-      "loss": 1.7064,
-      "step": 175
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 3.88e-06,
-      "loss": 1.7026,
-      "step": 200
-    },
-    {
-      "epoch": 0.04,
-      "learning_rate": 4.38e-06,
-      "loss": 2.0459,
-      "step": 225
-    },
-    {
-      "epoch": 0.05,
-      "learning_rate": 4.880000000000001e-06,
-      "loss": 2.3189,
-      "step": 250
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.380000000000001e-06,
-      "loss": 2.647,
-      "step": 275
-    },
-    {
-      "epoch": 0.06,
-      "learning_rate": 5.8800000000000005e-06,
-      "loss": 2.4019,
-      "step": 300
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.380000000000001e-06,
-      "loss": 2.9076,
-      "step": 325
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 6.860000000000001e-06,
-      "loss": 4.1248,
-      "step": 350
-    },
-    {
-      "epoch": 0.07,
-      "learning_rate": 7.360000000000001e-06,
-      "loss": 2.9751,
-      "step": 375
-    },
-    {
-      "epoch": 0.08,
-      "learning_rate": 7.860000000000001e-06,
-      "loss": 3.1863,
-      "step": 400
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.36e-06,
-      "loss": 3.1017,
-      "step": 425
-    },
-    {
-      "epoch": 0.09,
-      "learning_rate": 8.860000000000002e-06,
-      "loss": 3.3757,
-      "step": 450
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.360000000000002e-06,
-      "loss": 4.871,
-      "step": 475
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.86e-06,
-      "loss": 7.6053,
-      "step": 500
-    },
-    {
-      "epoch": 0.1,
-      "learning_rate": 9.960000000000001e-06,
-      "loss": 4.4155,
-      "step": 525
-    },
-    {
-      "epoch": 0.11,
-      "learning_rate": 9.904444444444445e-06,
-      "loss": 4.5183,
-      "step": 550
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 9.84888888888889e-06,
-      "loss": 4.1442,
-      "step": 575
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 9.793333333333333e-06,
-      "loss": 4.1241,
-      "step": 600
-    },
-    {
-      "epoch": 0.12,
-      "learning_rate": 9.737777777777779e-06,
-      "loss": 3.9046,
-      "step": 625
-    },
-    {
-      "epoch": 0.13,
-      "learning_rate": 9.682222222222223e-06,
-      "loss": 3.8142,
-      "step": 650
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 9.626666666666667e-06,
-      "loss": 3.6618,
-      "step": 675
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 9.571111111111113e-06,
-      "loss": 3.6848,
-      "step": 700
-    },
-    {
-      "epoch": 0.14,
-      "learning_rate": 9.515555555555557e-06,
-      "loss": 3.6017,
-      "step": 725
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 9.460000000000001e-06,
-      "loss": 3.5401,
-      "step": 750
-    },
-    {
-      "epoch": 0.15,
-      "learning_rate": 9.404444444444445e-06,
-      "loss": 3.7507,
-      "step": 775
-    },
-    {
-      "epoch": 1.0,
-      "learning_rate": 9.348888888888889e-06,
-      "loss": 3.3527,
-      "step": 800
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 9.293333333333335e-06,
-      "loss": 3.4445,
-      "step": 825
-    },
-    {
-      "epoch": 1.01,
-      "learning_rate": 9.237777777777779e-06,
-      "loss": 3.3492,
-      "step": 850
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 9.182222222222223e-06,
-      "loss": 3.4195,
-      "step": 875
-    },
-    {
-      "epoch": 1.02,
-      "learning_rate": 9.126666666666667e-06,
-      "loss": 3.6324,
-      "step": 900
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 9.07111111111111e-06,
-      "loss": 3.5551,
-      "step": 925
-    },
-    {
-      "epoch": 1.03,
-      "learning_rate": 9.015555555555557e-06,
-      "loss": 3.6139,
-      "step": 950
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 8.96e-06,
-      "loss": 3.3878,
-      "step": 975
-    },
-    {
-      "epoch": 1.04,
-      "learning_rate": 8.904444444444446e-06,
-      "loss": 3.5696,
+      "epoch": 1.38,
+      "learning_rate": 8.88888888888889e-08,
+      "loss": 0.9198,
       "step": 1000
     },
     {
-      "epoch": 1.04,
-      "eval_cer": 96.89103531542409,
-      "eval_loss": 3.418963670730591,
-      "eval_runtime": 273.6647,
-      "eval_samples_per_second": 3.603,
-      "eval_steps_per_second": 1.801,
-      "eval_wer": 96.85496183206106,
+      "epoch": 1.38,
+      "eval_cer": 48.17386054935105,
+      "eval_loss": 0.9147109389305115,
+      "eval_runtime": 340.3264,
+      "eval_samples_per_second": 2.897,
+      "eval_steps_per_second": 1.449,
+      "eval_wer": 48.06106870229008,
       "step": 1000
     },
     {
-      "epoch": 1.05,
-      "learning_rate": 8.848888888888889e-06,
-      "loss": 3.6154,
-      "step": 1025
-    },
-    {
-      "epoch": 1.05,
-      "learning_rate": 8.793333333333334e-06,
-      "loss": 3.4399,
-      "step": 1050
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 8.737777777777778e-06,
-      "loss": 3.3262,
-      "step": 1075
-    },
-    {
-      "epoch": 1.06,
-      "learning_rate": 8.682222222222222e-06,
-      "loss": 3.4615,
-      "step": 1100
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 8.626666666666668e-06,
-      "loss": 3.2971,
-      "step": 1125
-    },
-    {
-      "epoch": 1.07,
-      "learning_rate": 8.571111111111112e-06,
-      "loss": 3.4235,
-      "step": 1150
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 8.515555555555556e-06,
-      "loss": 3.252,
-      "step": 1175
-    },
-    {
-      "epoch": 1.08,
-      "learning_rate": 8.46e-06,
-      "loss": 3.3725,
-      "step": 1200
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 8.404444444444444e-06,
-      "loss": 3.4539,
-      "step": 1225
-    },
-    {
-      "epoch": 1.09,
-      "learning_rate": 8.34888888888889e-06,
-      "loss": 3.3736,
-      "step": 1250
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 8.293333333333334e-06,
-      "loss": 3.3606,
-      "step": 1275
-    },
-    {
-      "epoch": 1.1,
-      "learning_rate": 8.237777777777778e-06,
-      "loss": 3.4193,
-      "step": 1300
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 8.182222222222222e-06,
-      "loss": 3.3679,
-      "step": 1325
-    },
-    {
-      "epoch": 1.11,
-      "learning_rate": 8.126666666666668e-06,
-      "loss": 3.5329,
-      "step": 1350
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 8.071111111111112e-06,
-      "loss": 3.3347,
-      "step": 1375
-    },
-    {
-      "epoch": 1.12,
-      "learning_rate": 8.015555555555556e-06,
-      "loss": 3.3093,
-      "step": 1400
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 7.960000000000002e-06,
-      "loss": 3.3035,
-      "step": 1425
-    },
-    {
-      "epoch": 1.13,
-      "learning_rate": 7.904444444444444e-06,
-      "loss": 3.4493,
-      "step": 1450
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 7.84888888888889e-06,
-      "loss": 3.2347,
-      "step": 1475
-    },
-    {
-      "epoch": 1.14,
-      "learning_rate": 7.793333333333334e-06,
-      "loss": 3.2076,
-      "step": 1500
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 7.737777777777778e-06,
-      "loss": 3.2862,
-      "step": 1525
-    },
-    {
-      "epoch": 1.15,
-      "learning_rate": 7.682222222222224e-06,
-      "loss": 3.4486,
-      "step": 1550
-    },
-    {
-      "epoch": 1.16,
-      "learning_rate": 7.626666666666668e-06,
-      "loss": 3.3531,
-      "step": 1575
-    },
-    {
-      "epoch": 2.0,
-      "learning_rate": 7.571111111111112e-06,
-      "loss": 3.435,
-      "step": 1600
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 7.515555555555556e-06,
-      "loss": 3.3428,
-      "step": 1625
-    },
-    {
-      "epoch": 2.01,
-      "learning_rate": 7.4600000000000006e-06,
-      "loss": 3.2712,
-      "step": 1650
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 7.4044444444444455e-06,
-      "loss": 3.147,
-      "step": 1675
-    },
-    {
-      "epoch": 2.02,
-      "learning_rate": 7.3488888888888895e-06,
-      "loss": 3.2841,
-      "step": 1700
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 7.2933333333333335e-06,
-      "loss": 3.1548,
-      "step": 1725
-    },
-    {
-      "epoch": 2.03,
-      "learning_rate": 7.237777777777778e-06,
-      "loss": 3.0778,
-      "step": 1750
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 7.1822222222222224e-06,
-      "loss": 3.1293,
-      "step": 1775
-    },
-    {
-      "epoch": 2.04,
-      "learning_rate": 7.126666666666667e-06,
-      "loss": 3.3325,
-      "step": 1800
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 7.071111111111112e-06,
-      "loss": 3.1438,
-      "step": 1825
-    },
-    {
-      "epoch": 2.05,
-      "learning_rate": 7.015555555555556e-06,
-      "loss": 3.3838,
-      "step": 1850
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 6.96e-06,
-      "loss": 3.344,
-      "step": 1875
-    },
-    {
-      "epoch": 2.06,
-      "learning_rate": 6.904444444444444e-06,
-      "loss": 3.1949,
-      "step": 1900
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 6.848888888888889e-06,
-      "loss": 3.2732,
-      "step": 1925
-    },
-    {
-      "epoch": 2.07,
-      "learning_rate": 6.793333333333334e-06,
-      "loss": 3.2508,
-      "step": 1950
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 6.737777777777779e-06,
-      "loss": 3.1962,
-      "step": 1975
-    },
-    {
-      "epoch": 2.08,
-      "learning_rate": 6.682222222222223e-06,
-      "loss": 3.1453,
-      "step": 2000
-    },
-    {
-      "epoch": 2.08,
-      "eval_cer": 98.94355568970722,
-      "eval_loss": 3.238253116607666,
-      "eval_runtime": 276.3056,
-      "eval_samples_per_second": 3.569,
-      "eval_steps_per_second": 1.784,
-      "eval_wer": 98.93129770992365,
-      "step": 2000
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 6.626666666666667e-06,
-      "loss": 3.2259,
-      "step": 2025
-    },
-    {
-      "epoch": 2.09,
-      "learning_rate": 6.571111111111111e-06,
-      "loss": 3.2412,
-      "step": 2050
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 6.515555555555556e-06,
-      "loss": 3.1211,
-      "step": 2075
-    },
-    {
-      "epoch": 2.1,
-      "learning_rate": 6.460000000000001e-06,
-      "loss": 2.9139,
-      "step": 2100
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 6.404444444444446e-06,
-      "loss": 3.1701,
-      "step": 2125
-    },
-    {
-      "epoch": 2.11,
-      "learning_rate": 6.348888888888889e-06,
-      "loss": 3.1944,
-      "step": 2150
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 6.293333333333334e-06,
-      "loss": 3.1589,
-      "step": 2175
-    },
-    {
-      "epoch": 2.12,
-      "learning_rate": 6.237777777777778e-06,
-      "loss": 3.2229,
-      "step": 2200
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 6.182222222222223e-06,
-      "loss": 3.2401,
-      "step": 2225
-    },
-    {
-      "epoch": 2.13,
-      "learning_rate": 6.126666666666668e-06,
-      "loss": 3.2551,
-      "step": 2250
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 6.0711111111111125e-06,
-      "loss": 2.9634,
-      "step": 2275
-    },
-    {
-      "epoch": 2.14,
-      "learning_rate": 6.015555555555556e-06,
-      "loss": 3.0801,
-      "step": 2300
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.9600000000000005e-06,
-      "loss": 3.1698,
-      "step": 2325
-    },
-    {
-      "epoch": 2.15,
-      "learning_rate": 5.9044444444444446e-06,
-      "loss": 3.1864,
-      "step": 2350
-    },
-    {
-      "epoch": 3.0,
-      "learning_rate": 5.8488888888888895e-06,
-      "loss": 3.1402,
-      "step": 2375
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.793333333333334e-06,
-      "loss": 3.1443,
-      "step": 2400
-    },
-    {
-      "epoch": 3.01,
-      "learning_rate": 5.737777777777778e-06,
-      "loss": 2.9661,
-      "step": 2425
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5.682222222222222e-06,
-      "loss": 3.0652,
-      "step": 2450
-    },
-    {
-      "epoch": 3.02,
-      "learning_rate": 5.626666666666667e-06,
-      "loss": 3.0405,
-      "step": 2475
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.571111111111111e-06,
-      "loss": 2.9499,
-      "step": 2500
-    },
-    {
-      "epoch": 3.03,
-      "learning_rate": 5.515555555555556e-06,
-      "loss": 3.1246,
-      "step": 2525
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5.460000000000001e-06,
-      "loss": 3.0122,
-      "step": 2550
-    },
-    {
-      "epoch": 3.04,
-      "learning_rate": 5.404444444444444e-06,
-      "loss": 3.0258,
-      "step": 2575
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.348888888888889e-06,
-      "loss": 3.1414,
-      "step": 2600
-    },
-    {
-      "epoch": 3.05,
-      "learning_rate": 5.293333333333334e-06,
-      "loss": 3.1096,
-      "step": 2625
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.237777777777778e-06,
-      "loss": 3.0937,
-      "step": 2650
-    },
-    {
-      "epoch": 3.06,
-      "learning_rate": 5.182222222222223e-06,
-      "loss": 3.0308,
-      "step": 2675
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5.126666666666668e-06,
-      "loss": 3.1702,
-      "step": 2700
-    },
-    {
-      "epoch": 3.07,
-      "learning_rate": 5.071111111111111e-06,
-      "loss": 3.1638,
-      "step": 2725
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 5.015555555555556e-06,
-      "loss": 2.9025,
-      "step": 2750
-    },
-    {
-      "epoch": 3.08,
-      "learning_rate": 4.960000000000001e-06,
-      "loss": 3.0278,
-      "step": 2775
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 4.904444444444445e-06,
-      "loss": 3.0397,
-      "step": 2800
-    },
-    {
-      "epoch": 3.09,
-      "learning_rate": 4.848888888888889e-06,
-      "loss": 3.0413,
-      "step": 2825
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 4.793333333333334e-06,
-      "loss": 3.1721,
-      "step": 2850
-    },
-    {
-      "epoch": 3.1,
-      "learning_rate": 4.737777777777779e-06,
-      "loss": 2.9547,
-      "step": 2875
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 4.682222222222223e-06,
-      "loss": 2.974,
-      "step": 2900
-    },
-    {
-      "epoch": 3.11,
-      "learning_rate": 4.626666666666667e-06,
-      "loss": 3.0297,
-      "step": 2925
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 4.571111111111112e-06,
-      "loss": 2.9829,
-      "step": 2950
-    },
-    {
-      "epoch": 3.12,
-      "learning_rate": 4.515555555555556e-06,
-      "loss": 2.8869,
-      "step": 2975
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 4.4600000000000005e-06,
-      "loss": 3.0722,
-      "step": 3000
-    },
-    {
-      "epoch": 3.13,
-      "eval_cer": 158.52701479022033,
-      "eval_loss": 3.20432710647583,
-      "eval_runtime": 318.685,
-      "eval_samples_per_second": 3.094,
-      "eval_steps_per_second": 1.547,
-      "eval_wer": 129.06870229007635,
-      "step": 3000
-    },
-    {
-      "epoch": 3.13,
-      "learning_rate": 4.404444444444445e-06,
-      "loss": 2.9035,
-      "step": 3025
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 4.348888888888889e-06,
-      "loss": 2.9127,
-      "step": 3050
-    },
-    {
-      "epoch": 3.14,
-      "learning_rate": 4.2933333333333334e-06,
-      "loss": 3.1372,
-      "step": 3075
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 4.2377777777777775e-06,
-      "loss": 2.9721,
-      "step": 3100
-    },
-    {
-      "epoch": 3.15,
-      "learning_rate": 4.182222222222222e-06,
-      "loss": 2.9846,
-      "step": 3125
-    },
-    {
-      "epoch": 3.16,
-      "learning_rate": 4.126666666666667e-06,
-      "loss": 3.0426,
-      "step": 3150
-    },
-    {
-      "epoch": 4.0,
-      "learning_rate": 4.071111111111111e-06,
-      "loss": 2.9058,
-      "step": 3175
-    },
-    {
-      "epoch": 4.01,
-      "learning_rate": 4.015555555555556e-06,
-      "loss": 2.8259,
-      "step": 3200
-    },
-    {
-      "epoch": 4.01,
-      "learning_rate": 3.96e-06,
-      "loss": 2.9893,
-      "step": 3225
-    },
-    {
-      "epoch": 4.02,
-      "learning_rate": 3.904444444444444e-06,
-      "loss": 2.9297,
-      "step": 3250
-    },
-    {
-      "epoch": 4.02,
-      "learning_rate": 3.848888888888889e-06,
-      "loss": 2.8989,
-      "step": 3275
-    },
-    {
-      "epoch": 4.03,
-      "learning_rate": 3.793333333333334e-06,
-      "loss": 2.9417,
-      "step": 3300
-    },
-    {
-      "epoch": 4.03,
-      "learning_rate": 3.737777777777778e-06,
-      "loss": 2.9383,
-      "step": 3325
-    },
-    {
-      "epoch": 4.04,
-      "learning_rate": 3.6822222222222225e-06,
-      "loss": 2.8867,
-      "step": 3350
-    },
-    {
-      "epoch": 4.04,
-      "learning_rate": 3.6266666666666674e-06,
-      "loss": 2.9945,
-      "step": 3375
-    },
-    {
-      "epoch": 4.05,
-      "learning_rate": 3.5711111111111114e-06,
-      "loss": 2.9077,
-      "step": 3400
-    },
-    {
-      "epoch": 4.05,
-      "learning_rate": 3.515555555555556e-06,
-      "loss": 2.8711,
-      "step": 3425
-    },
-    {
-      "epoch": 4.06,
-      "learning_rate": 3.46e-06,
-      "loss": 2.9767,
-      "step": 3450
-    },
-    {
-      "epoch": 4.06,
-      "learning_rate": 3.404444444444445e-06,
-      "loss": 2.8937,
-      "step": 3475
-    },
-    {
-      "epoch": 4.07,
-      "learning_rate": 3.3488888888888892e-06,
-      "loss": 2.9073,
-      "step": 3500
-    },
-    {
-      "epoch": 4.07,
-      "learning_rate": 3.2933333333333333e-06,
-      "loss": 2.7517,
-      "step": 3525
-    },
-    {
-      "epoch": 4.08,
-      "learning_rate": 3.237777777777778e-06,
-      "loss": 3.0988,
-      "step": 3550
-    },
-    {
-      "epoch": 4.08,
-      "learning_rate": 3.1822222222222226e-06,
-      "loss": 2.7826,
-      "step": 3575
-    },
-    {
-      "epoch": 4.09,
-      "learning_rate": 3.1266666666666667e-06,
-      "loss": 2.9641,
-      "step": 3600
-    },
-    {
-      "epoch": 4.09,
-      "learning_rate": 3.0711111111111115e-06,
-      "loss": 2.8948,
-      "step": 3625
-    },
-    {
-      "epoch": 4.1,
-      "learning_rate": 3.015555555555556e-06,
-      "loss": 2.8519,
-      "step": 3650
-    },
-    {
-      "epoch": 4.1,
-      "learning_rate": 2.96e-06,
-      "loss": 2.8796,
-      "step": 3675
-    },
-    {
-      "epoch": 4.11,
-      "learning_rate": 2.904444444444445e-06,
-      "loss": 2.9119,
-      "step": 3700
-    },
-    {
-      "epoch": 4.11,
-      "learning_rate": 2.8488888888888894e-06,
-      "loss": 2.8479,
-      "step": 3725
-    },
-    {
-      "epoch": 4.12,
-      "learning_rate": 2.7933333333333334e-06,
-      "loss": 2.9925,
-      "step": 3750
-    },
-    {
-      "epoch": 4.12,
-      "learning_rate": 2.7377777777777783e-06,
-      "loss": 2.9697,
-      "step": 3775
-    },
-    {
-      "epoch": 4.13,
-      "learning_rate": 2.6822222222222223e-06,
-      "loss": 2.9331,
-      "step": 3800
-    },
-    {
-      "epoch": 4.13,
-      "learning_rate": 2.6266666666666668e-06,
-      "loss": 2.7614,
-      "step": 3825
-    },
-    {
-      "epoch": 4.14,
-      "learning_rate": 2.5711111111111112e-06,
-      "loss": 2.9913,
-      "step": 3850
-    },
-    {
-      "epoch": 4.14,
-      "learning_rate": 2.5155555555555557e-06,
-      "loss": 2.8217,
-      "step": 3875
-    },
-    {
-      "epoch": 4.15,
-      "learning_rate": 2.46e-06,
-      "loss": 2.7742,
-      "step": 3900
-    },
-    {
-      "epoch": 4.15,
-      "learning_rate": 2.4044444444444446e-06,
-      "loss": 2.8652,
-      "step": 3925
-    },
-    {
-      "epoch": 5.0,
-      "learning_rate": 2.348888888888889e-06,
-      "loss": 2.9482,
-      "step": 3950
-    },
-    {
-      "epoch": 5.01,
-      "learning_rate": 2.2933333333333335e-06,
-      "loss": 2.7808,
-      "step": 3975
-    },
-    {
-      "epoch": 5.01,
-      "learning_rate": 2.237777777777778e-06,
-      "loss": 2.8327,
-      "step": 4000
-    },
-    {
-      "epoch": 5.01,
-      "eval_cer": 333.05161485058863,
-      "eval_loss": 3.225778102874756,
-      "eval_runtime": 362.3621,
-      "eval_samples_per_second": 2.721,
-      "eval_steps_per_second": 1.361,
-      "eval_wer": 327.9083969465649,
-      "step": 4000
-    },
-    {
-      "epoch": 5.02,
-      "learning_rate": 2.1822222222222225e-06,
-      "loss": 2.7936,
-      "step": 4025
-    },
-    {
-      "epoch": 5.02,
-      "learning_rate": 2.126666666666667e-06,
-      "loss": 2.7693,
-      "step": 4050
-    },
-    {
-      "epoch": 5.03,
-      "learning_rate": 2.0711111111111114e-06,
-      "loss": 2.7341,
-      "step": 4075
-    },
-    {
-      "epoch": 5.03,
-      "learning_rate": 2.0155555555555554e-06,
-      "loss": 2.7995,
-      "step": 4100
-    },
-    {
-      "epoch": 5.04,
-      "learning_rate": 1.9600000000000003e-06,
-      "loss": 2.78,
-      "step": 4125
-    },
-    {
-      "epoch": 5.04,
-      "learning_rate": 1.9044444444444445e-06,
-      "loss": 2.8048,
-      "step": 4150
-    },
-    {
-      "epoch": 5.05,
-      "learning_rate": 1.848888888888889e-06,
-      "loss": 2.6663,
-      "step": 4175
-    },
-    {
-      "epoch": 5.05,
-      "learning_rate": 1.7933333333333337e-06,
-      "loss": 2.9016,
-      "step": 4200
-    },
-    {
-      "epoch": 5.06,
-      "learning_rate": 1.737777777777778e-06,
-      "loss": 2.7117,
-      "step": 4225
-    },
-    {
-      "epoch": 5.06,
-      "learning_rate": 1.6822222222222224e-06,
-      "loss": 2.6716,
-      "step": 4250
-    },
-    {
-      "epoch": 5.07,
-      "learning_rate": 1.6266666666666666e-06,
-      "loss": 2.7193,
-      "step": 4275
-    },
-    {
-      "epoch": 5.07,
-      "learning_rate": 1.5711111111111113e-06,
-      "loss": 2.7704,
-      "step": 4300
-    },
-    {
-      "epoch": 5.08,
-      "learning_rate": 1.5155555555555558e-06,
-      "loss": 2.9998,
-      "step": 4325
-    },
-    {
-      "epoch": 5.08,
-      "learning_rate": 1.46e-06,
-      "loss": 2.8433,
-      "step": 4350
-    },
-    {
-      "epoch": 5.09,
-      "learning_rate": 1.4044444444444447e-06,
-      "loss": 2.6071,
-      "step": 4375
-    },
-    {
-      "epoch": 5.09,
-      "learning_rate": 1.3488888888888891e-06,
-      "loss": 2.8095,
-      "step": 4400
-    },
-    {
-      "epoch": 5.1,
-      "learning_rate": 1.2933333333333334e-06,
-      "loss": 2.6704,
-      "step": 4425
-    },
-    {
-      "epoch": 5.1,
-      "learning_rate": 1.2377777777777778e-06,
-      "loss": 2.6676,
-      "step": 4450
-    },
-    {
-      "epoch": 5.11,
-      "learning_rate": 1.1822222222222223e-06,
-      "loss": 2.8023,
-      "step": 4475
-    },
-    {
-      "epoch": 5.11,
-      "learning_rate": 1.1266666666666667e-06,
-      "loss": 2.7526,
-      "step": 4500
-    },
-    {
-      "epoch": 5.12,
-      "learning_rate": 1.0711111111111112e-06,
-      "loss": 2.7228,
-      "step": 4525
-    },
-    {
-      "epoch": 5.12,
-      "learning_rate": 1.0155555555555557e-06,
-      "loss": 2.6382,
-      "step": 4550
-    },
-    {
-      "epoch": 5.13,
-      "learning_rate": 9.600000000000001e-07,
-      "loss": 2.7358,
-      "step": 4575
-    },
-    {
-      "epoch": 5.13,
-      "learning_rate": 9.044444444444445e-07,
-      "loss": 2.6922,
-      "step": 4600
-    },
-    {
-      "epoch": 5.14,
-      "learning_rate": 8.488888888888889e-07,
-      "loss": 2.847,
-      "step": 4625
-    },
-    {
-      "epoch": 5.14,
-      "learning_rate": 7.933333333333335e-07,
-      "loss": 2.6146,
-      "step": 4650
-    },
-    {
-      "epoch": 5.15,
-      "learning_rate": 7.377777777777779e-07,
-      "loss": 2.7914,
-      "step": 4675
-    },
-    {
-      "epoch": 5.15,
-      "learning_rate": 6.822222222222223e-07,
-      "loss": 2.645,
-      "step": 4700
-    },
-    {
-      "epoch": 5.16,
-      "learning_rate": 6.266666666666667e-07,
-      "loss": 2.717,
-      "step": 4725
-    },
-    {
-      "epoch": 6.0,
-      "learning_rate": 5.711111111111111e-07,
-      "loss": 2.751,
-      "step": 4750
-    },
-    {
-      "epoch": 6.01,
-      "learning_rate": 5.155555555555556e-07,
-      "loss": 2.6859,
-      "step": 4775
-    },
-    {
-      "epoch": 6.01,
-      "learning_rate": 4.6000000000000004e-07,
-      "loss": 2.4752,
-      "step": 4800
-    },
-    {
-      "epoch": 6.02,
-      "learning_rate": 4.0444444444444445e-07,
-      "loss": 2.6502,
-      "step": 4825
-    },
-    {
-      "epoch": 6.02,
-      "learning_rate": 3.488888888888889e-07,
-      "loss": 2.5226,
-      "step": 4850
-    },
-    {
-      "epoch": 6.03,
-      "learning_rate": 2.9333333333333337e-07,
-      "loss": 2.6241,
-      "step": 4875
-    },
-    {
-      "epoch": 6.03,
-      "learning_rate": 2.3777777777777777e-07,
-      "loss": 2.5514,
-      "step": 4900
-    },
-    {
-      "epoch": 6.04,
-      "learning_rate": 1.8222222222222226e-07,
-      "loss": 2.6996,
-      "step": 4925
-    },
-    {
-      "epoch": 6.04,
-      "learning_rate": 1.2666666666666666e-07,
-      "loss": 2.6358,
-      "step": 4950
-    },
-    {
-      "epoch": 6.05,
-      "learning_rate": 7.111111111111112e-08,
-      "loss": 2.7597,
-      "step": 4975
-    },
-    {
-      "epoch": 6.05,
-      "learning_rate": 1.5555555555555557e-08,
-      "loss": 2.6468,
-      "step": 5000
-    },
-    {
-      "epoch": 6.05,
-      "eval_cer": 123.45306368849984,
-      "eval_loss": 3.212874174118042,
-      "eval_runtime": 302.4073,
-      "eval_samples_per_second": 3.261,
-      "eval_steps_per_second": 1.63,
-      "eval_wer": 118.50381679389312,
-      "step": 5000
-    },
-    {
-      "epoch": 6.05,
-      "step": 5000,
-      "total_flos": 2.12189711818752e+19,
-      "train_loss": 3.0522214595794677,
-      "train_runtime": 5458.8622,
-      "train_samples_per_second": 1.832,
-      "train_steps_per_second": 0.916
+      "epoch": 1.38,
+      "step": 1000,
+      "total_flos": 4.2463420416e+18,
+      "train_loss": 0.91982373046875,
+      "train_runtime": 1347.6358,
+      "train_samples_per_second": 1.484,
+      "train_steps_per_second": 0.742
     }
   ],
-  "max_steps": 5000,
+  "max_steps": 1000,
   "num_train_epochs": 9223372036854775807,
-  "total_flos": 2.12189711818752e+19,
+  "total_flos": 4.2463420416e+18,
   "trial_name": null,
   "trial_params": null
 }

training_args.bin

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:b0917c506d33e6aaecd26c5c143567a69a21ec072808d7d6a3e64a1189180b2d
-size 3515
+oid sha256:559c4ce05e89d747196b9bba18aa9426caf585ced1042f6a3e013da85ed0c8dc
+size 3707