speaker-segmentation-fine-tuned-hindi

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

• Loss: 0.3534
• Model Preparation Time: 0.0039
• Der: 0.1283
• False Alarm: 0.0212
• Missed Detection: 0.0473
• Confusion: 0.0598

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: 32
• eval_batch_size: 32
• seed: 42
• optimizer: Use OptimizerNames.ADAMW_TORCH_FUSED with betas=(0.9,0.999) and epsilon=1e-08 and optimizer_args=No additional optimizer arguments
• lr_scheduler_type: cosine
• num_epochs: 50

Training results

Training Loss	Epoch	Step	Validation Loss	Model Preparation Time	Der	False Alarm	Missed Detection	Confusion
0.41	1.0	47	0.5364	0.0039	0.1575	0.0245	0.0710	0.0621
0.3468	2.0	94	0.4971	0.0039	0.1530	0.0268	0.0648	0.0614
0.3272	3.0	141	0.4690	0.0039	0.1513	0.0273	0.0620	0.0620
0.3174	4.0	188	0.4478	0.0039	0.1481	0.0272	0.0607	0.0602
0.3181	5.0	235	0.4342	0.0039	0.1473	0.0267	0.0591	0.0615
0.2946	6.0	282	0.4204	0.0039	0.1409	0.0270	0.0566	0.0574
0.2731	7.0	329	0.4103	0.0039	0.1394	0.0266	0.0558	0.0571
0.2748	8.0	376	0.4042	0.0039	0.1378	0.0272	0.0543	0.0564
0.2717	9.0	423	0.3977	0.0039	0.1369	0.0262	0.0542	0.0565
0.2822	10.0	470	0.3902	0.0039	0.1371	0.0257	0.0541	0.0573
0.2743	11.0	517	0.3836	0.0039	0.1360	0.0256	0.0538	0.0566
0.2692	12.0	564	0.3788	0.0039	0.1355	0.0254	0.0532	0.0569
0.2518	13.0	611	0.3763	0.0039	0.1365	0.0246	0.0533	0.0587
0.2605	14.0	658	0.3727	0.0039	0.1366	0.0250	0.0521	0.0594
0.2477	15.0	705	0.3701	0.0039	0.1345	0.0250	0.0512	0.0582
0.2439	16.0	752	0.3668	0.0039	0.1327	0.0251	0.0496	0.0579
0.2402	17.0	799	0.3662	0.0039	0.1317	0.0241	0.0498	0.0577
0.2476	18.0	846	0.3668	0.0039	0.1317	0.0234	0.0500	0.0582
0.2288	19.0	893	0.3660	0.0039	0.1326	0.0236	0.0493	0.0597
0.2373	20.0	940	0.3646	0.0039	0.1321	0.0237	0.0489	0.0595
0.2279	21.0	987	0.3638	0.0039	0.1326	0.0240	0.0488	0.0598
0.2349	22.0	1034	0.3621	0.0039	0.1318	0.0234	0.0488	0.0596
0.2348	23.0	1081	0.3608	0.0039	0.1308	0.0227	0.0489	0.0592
0.23	24.0	1128	0.3600	0.0039	0.1305	0.0223	0.0492	0.0589
0.2293	25.0	1175	0.3603	0.0039	0.1304	0.0225	0.0489	0.0590
0.219	26.0	1222	0.3615	0.0039	0.1308	0.0227	0.0487	0.0594
0.2235	27.0	1269	0.3603	0.0039	0.1298	0.0224	0.0486	0.0588
0.218	28.0	1316	0.3592	0.0039	0.1288	0.0222	0.0485	0.0581
0.216	29.0	1363	0.3591	0.0039	0.1285	0.0219	0.0487	0.0580
0.2265	30.0	1410	0.3543	0.0039	0.1285	0.0216	0.0483	0.0587
0.2199	31.0	1457	0.3551	0.0039	0.1290	0.0218	0.0482	0.0589
0.2113	32.0	1504	0.3552	0.0039	0.1285	0.0215	0.0483	0.0587
0.2122	33.0	1551	0.3546	0.0039	0.1285	0.0215	0.0481	0.0590
0.2232	34.0	1598	0.3542	0.0039	0.1284	0.0216	0.0479	0.0590
0.2049	35.0	1645	0.3544	0.0039	0.1284	0.0215	0.0479	0.0590
0.2155	36.0	1692	0.3547	0.0039	0.1284	0.0214	0.0479	0.0591
0.2056	37.0	1739	0.3549	0.0039	0.1286	0.0214	0.0479	0.0593
0.2047	38.0	1786	0.3551	0.0039	0.1286	0.0214	0.0477	0.0595
0.2155	39.0	1833	0.3550	0.0039	0.1285	0.0212	0.0479	0.0594
0.209	40.0	1880	0.3547	0.0039	0.1284	0.0211	0.0478	0.0596
0.2021	41.0	1927	0.3550	0.0039	0.1285	0.0211	0.0477	0.0596
0.2085	42.0	1974	0.3545	0.0039	0.1285	0.0212	0.0475	0.0597
0.2161	43.0	2021	0.3535	0.0039	0.1283	0.0211	0.0474	0.0598
0.215	44.0	2068	0.3543	0.0039	0.1284	0.0212	0.0474	0.0598
0.2139	45.0	2115	0.3535	0.0039	0.1284	0.0212	0.0474	0.0598
0.2033	46.0	2162	0.3535	0.0039	0.1283	0.0211	0.0474	0.0598
0.2019	47.0	2209	0.3535	0.0039	0.1283	0.0212	0.0474	0.0598
0.2109	48.0	2256	0.3534	0.0039	0.1283	0.0212	0.0473	0.0598
0.2117	49.0	2303	0.3534	0.0039	0.1283	0.0212	0.0473	0.0598
0.1957	50.0	2350	0.3534	0.0039	0.1283	0.0212	0.0473	0.0598

Framework versions

• Transformers 4.57.0
• Pytorch 2.8.0+cu126
• Datasets 4.0.0
• Tokenizers 0.22.1