Upload checkpoints epoch_0004_step_00120000

Automatic checkpoint upload from train.py.

Report stem: epoch_0004_step_00120000
Epoch: 4
Global step: 120000

.hf_upload_sync/validation_epoch_0004_step_00110000.done

@@ -0,0 +1 @@
+1776542247.1394005

.hf_upload_sync/validation_epoch_0004_step_00120000.started

@@ -0,0 +1 @@
+1776573440.2990248

checkpoint_step_last.json

@@ -117,125 +117,125 @@
     "padding_value": 1.0
   },
   "epoch": 4,
-  "global_step": 110000,
+  "global_step": 120000,
   "best_val_wer": 0.2002018694869882,
   "metrics": {
     "epoch": 4,
-    "global_step": 110000,
-    "train_loss": 0.563612056048063,
-    "train_main_ctc_loss": 0.563612056048063,
+    "global_step": 120000,
+    "train_loss": 0.5748710107435843,
+    "train_main_ctc_loss": 0.5748710107435843,
     "train_aed_loss": 0.0,
     "train_liberta_distill_loss": 0.0,
     "train_audio_teacher_loss": 0.0,
-    "val_loss": 0.39291172908774846,
-    "val_cer": 0.050360971930391685,
-    "val_wer": 0.24009303550269892,
-    "val_forward_seconds": 341.4297112603672,
+    "val_loss": 0.5424013864153068,
+    "val_cer": 0.07509697753353807,
+    "val_wer": 0.30499846403651204,
+    "val_forward_seconds": 315.81560258881655,
     "val_teacher_seconds": 0.0,
-    "val_decode_seconds": 1.064598832395859,
-    "val_gather_seconds": 0.022082043113186955,
+    "val_decode_seconds": 0.9828740665689111,
+    "val_gather_seconds": 0.019874722929671407,
     "val_model_source": "raw",
-    "val_main_ctc_loss": 0.39291172908774846,
+    "val_main_ctc_loss": 0.5424013864153068,
     "val_aed_loss": 0.0,
     "val_liberta_distill_loss": 0.0,
     "val_audio_teacher_loss": 0.0,
-    "val_avg_blank_probability": 0.7994395690380203,
-    "val_argmax_blank_fraction": 0.8051671205982273,
-    "val_avg_top_nonblank_probability": 0.18955979269031142,
+    "val_avg_blank_probability": 0.7932991820751002,
+    "val_argmax_blank_fraction": 0.8022991713744021,
+    "val_avg_top_nonblank_probability": 0.18995462195989157,
     "val_avg_output_frames": 129.72159800249688,
     "val_avg_target_tokens": 24.885455680399502,
     "val_target_tokens_per_frame": 0.1918374123013849,
     "val_impossible_sample_fraction": 0.0,
     "val_tight_sample_fraction": 0.0,
     "val_samples_short": 1183.0,
-    "val_wer_short": 0.28865979381443296,
-    "val_cer_short": 0.06182151416889892,
+    "val_wer_short": 0.3549977588525325,
+    "val_cer_short": 0.09054701818694487,
     "val_samples_medium": 2021.0,
-    "val_wer_medium": 0.22826739427012277,
-    "val_cer_medium": 0.047653934529954374,
+    "val_wer_medium": 0.29282401091405186,
+    "val_cer_medium": 0.07144760065270239,
     "val_samples_long": 0.0,
     "val_decoded_empty_fraction": 0.0,
-    "val_decoded_avg_char_length": 46.065230961298376,
-    "val_decoded_avg_word_length": 7.063670411985019,
+    "val_decoded_avg_char_length": 45.75343320848939,
+    "val_decoded_avg_word_length": 6.892009987515605,
     "val_speaker_count": 0.0,
     "val_speaker_macro_wer": 0.0,
     "val_speaker_id_available": 0.0,
     "val_missing_speaker_id_samples": 3204.0,
-    "val_hardest_example_0_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3390.wav",
+    "val_hardest_example_0_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/662.wav",
     "val_hardest_example_0_speaker": "",
-    "val_hardest_example_0_ref": "Нога?",
-    "val_hardest_example_0_hyp": "Нога.",
-    "val_hardest_example_1_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2893.wav",
+    "val_hardest_example_0_ref": "Тире?",
+    "val_hardest_example_0_hyp": "Тира.",
+    "val_hardest_example_1_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2228.wav",
     "val_hardest_example_1_speaker": "",
-    "val_hardest_example_1_ref": "Не вбивай.",
-    "val_hardest_example_1_hyp": "Не вбувай.",
-    "val_hardest_example_2_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2228.wav",
+    "val_hardest_example_1_ref": "Продав кота в мішку?",
+    "val_hardest_example_1_hyp": "Продав  котав мішку.",
+    "val_hardest_example_2_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3561.wav",
     "val_hardest_example_2_speaker": "",
-    "val_hardest_example_2_ref": "Продав кота в мішку?",
-    "val_hardest_example_2_hyp": "Продав кота в мішку.",
-    "val_hardest_example_3_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3201.wav",
+    "val_hardest_example_2_ref": "Двадцять три?",
+    "val_hardest_example_2_hyp": "Двадцять три.",
+    "val_hardest_example_3_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2884.wav",
     "val_hardest_example_3_speaker": "",
-    "val_hardest_example_3_ref": "То й що?",
-    "val_hardest_example_3_hyp": "— То що?",
-    "val_hardest_example_4_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2734.wav",
+    "val_hardest_example_3_ref": "А ти?",
+    "val_hardest_example_3_hyp": "а ти?",
+    "val_hardest_example_4_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/1920.wav",
     "val_hardest_example_4_speaker": "",
-    "val_hardest_example_4_ref": "Багато роботи.",
-    "val_hardest_example_4_hyp": "Багато роботи?",
-    "val_random_example_0_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2586.wav",
+    "val_hardest_example_4_ref": "Дякую.",
+    "val_hardest_example_4_hyp": "Дякую!",
+    "val_random_example_0_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/473.wav",
     "val_random_example_0_speaker": "",
-    "val_random_example_0_ref": "Таке військове уміння російського генералітету в Кримській війні під Севастополем.",
-    "val_random_example_0_hyp": "Таке військове уміння російського генералітету в Кримській війні під Севастополем",
-    "val_random_example_1_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3408.wav",
+    "val_random_example_0_ref": "Ганді завжди розділяв людину і функції, які вона виконує.",
+    "val_random_example_0_hyp": "Ганді завжди розділяв людину і функції, які вона виконує.",
+    "val_random_example_1_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2950.wav",
     "val_random_example_1_speaker": "",
-    "val_random_example_1_ref": "Мене ж мати та й не била.",
-    "val_random_example_1_hyp": "Менеж мати та й не била.",
-    "val_random_example_2_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/741.wav",
+    "val_random_example_1_ref": "Що видиш там, отрочице?",
+    "val_random_example_1_hyp": "Що видеш там, отручиться?",
+    "val_random_example_2_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/1526.wav",
     "val_random_example_2_speaker": "",
-    "val_random_example_2_ref": "Це рішення було повністю виконано.",
-    "val_random_example_2_hyp": "Це рішення було повністюбика.",
-    "val_random_example_3_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/263.wav",
+    "val_random_example_2_ref": "Тут є два аспекти.",
+    "val_random_example_2_hyp": "Тут є два аспекти.",
+    "val_random_example_3_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3361.wav",
     "val_random_example_3_speaker": "",
-    "val_random_example_3_ref": "Отже, звечора підуть полями до Кам'янки, а під ранок вернуться з харчами.",
-    "val_random_example_3_hyp": "Отже, з вечора підуть полями до Камянки, а підранок вернуться з харчами.",
-    "val_random_example_4_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3725.wav",
+    "val_random_example_3_ref": "Тільки вірність і слухняність творять передумови успіху національної боротьби.",
+    "val_random_example_3_hyp": "Тільки віяльність і слухняність говорить передумови успіху національми боротьби.",
+    "val_random_example_4_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2605.wav",
     "val_random_example_4_speaker": "",
-    "val_random_example_4_ref": "І князі в ті часи були чужорідним тілом у громаді.",
-    "val_random_example_4_hyp": "І князі в ті часи були чужорідним тілом у громаді.",
-    "val/loss": 0.39291172908774846,
-    "val/cer": 0.050360971930391685,
-    "val/wer": 0.24009303550269892,
-    "val/main_ctc_loss": 0.39291172908774846,
+    "val_random_example_4_ref": "І як швидко взагалі ми зможемо ввести в експлуатацію другий та третій блоки?",
+    "val_random_example_4_hyp": "І як швидко взагалі ми зможемо вести в експлуатацію другій та третій блоки.",
+    "val/loss": 0.5424013864153068,
+    "val/cer": 0.07509697753353807,
+    "val/wer": 0.30499846403651204,
+    "val/main_ctc_loss": 0.5424013864153068,
     "val/aed_loss": 0.0,
     "val/liberta_distill_loss": 0.0,
     "val/audio_teacher_loss": 0.0,
-    "val/avg_blank_probability": 0.7994395690380203,
-    "val/argmax_blank_fraction": 0.8051671205982273,
-    "val/avg_top_nonblank_probability": 0.18955979269031142,
+    "val/avg_blank_probability": 0.7932991820751002,
+    "val/argmax_blank_fraction": 0.8022991713744021,
+    "val/avg_top_nonblank_probability": 0.18995462195989157,
     "val/avg_output_frames": 129.72159800249688,
     "val/avg_target_tokens": 24.885455680399502,
     "val/target_tokens_per_frame": 0.1918374123013849,
     "val/impossible_sample_fraction": 0.0,
     "val/tight_sample_fraction": 0.0,
     "val/samples_short": 1183.0,
-    "val/wer_short": 0.28865979381443296,
-    "val/cer_short": 0.06182151416889892,
+    "val/wer_short": 0.3549977588525325,
+    "val/cer_short": 0.09054701818694487,
     "val/samples_medium": 2021.0,
-    "val/wer_medium": 0.22826739427012277,
-    "val/cer_medium": 0.047653934529954374,
+    "val/wer_medium": 0.29282401091405186,
+    "val/cer_medium": 0.07144760065270239,
     "val/samples_long": 0.0,
     "val/decoded_empty_fraction": 0.0,
-    "val/decoded_avg_char_length": 46.065230961298376,
-    "val/decoded_avg_word_length": 7.063670411985019,
+    "val/decoded_avg_char_length": 45.75343320848939,
+    "val/decoded_avg_word_length": 6.892009987515605,
     "val/speaker_count": 0.0,
     "val/speaker_macro_wer": 0.0,
     "val/speaker_id_available": 0.0,
     "val/missing_speaker_id_samples": 3204.0,
-    "val/forward_seconds": 341.4297112603672,
+    "val/forward_seconds": 315.81560258881655,
     "val/teacher_seconds": 0.0,
-    "val/decode_seconds": 1.064598832395859,
-    "val/gather_seconds": 0.022082043113186955,
-    "train/loss": 0.563612056048063,
-    "train/main_ctc_loss": 0.563612056048063,
+    "val/decode_seconds": 0.9828740665689111,
+    "val/gather_seconds": 0.019874722929671407,
+    "train/loss": 0.5748710107435843,
+    "train/main_ctc_loss": 0.5748710107435843,
     "train/aed_loss": 0.0,
     "train/liberta_distill_loss": 0.0,
     "train/audio_teacher_loss": 0.0

checkpoint_step_last.safetensors

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:a58c1a1785595c9fea30d6c1353d60815991f8563946101839c364dbac73761a
+oid sha256:9906b703a2b1a26d196572dfcf609a70d47e71da7a9154c481dd7b2471c1e95b
 size 2424913224

eval_reports/epoch_0004_step_00120000.json

@@ -0,0 +1,133 @@
+{
+  "epoch": 4,
+  "global_step": 120000,
+  "model_source": "raw",
+  "metrics": {
+    "loss": 0.5424013864153068,
+    "main_ctc_loss": 0.5424013864153068,
+    "aed_loss": 0.0,
+    "liberta_distill_loss": 0.0,
+    "audio_teacher_loss": 0.0,
+    "cer": 0.07509697753353807,
+    "wer": 0.30499846403651204,
+    "avg_blank_probability": 0.7932991820751002,
+    "argmax_blank_fraction": 0.8022991713744021,
+    "avg_top_nonblank_probability": 0.18995462195989157,
+    "avg_output_frames": 129.72159800249688,
+    "avg_target_tokens": 24.885455680399502,
+    "target_tokens_per_frame": 0.1918374123013849,
+    "impossible_sample_fraction": 0.0,
+    "tight_sample_fraction": 0.0,
+    "samples_short": 1183.0,
+    "wer_short": 0.3549977588525325,
+    "cer_short": 0.09054701818694487,
+    "samples_medium": 2021.0,
+    "wer_medium": 0.29282401091405186,
+    "cer_medium": 0.07144760065270239,
+    "samples_long": 0.0,
+    "decoded_empty_fraction": 0.0,
+    "decoded_avg_char_length": 45.75343320848939,
+    "decoded_avg_word_length": 6.892009987515605,
+    "speaker_count": 0.0,
+    "speaker_macro_wer": 0.0,
+    "speaker_id_available": 0.0,
+    "missing_speaker_id_samples": 3204.0
+  },
+  "hardest_examples": [
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/662.wav",
+      "speaker_id": "",
+      "reference": "Тире?",
+      "hypothesis": "Тира."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2228.wav",
+      "speaker_id": "",
+      "reference": "Продав кота в мішку?",
+      "hypothesis": "Продав  котав мішку."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3561.wav",
+      "speaker_id": "",
+      "reference": "Двадцять три?",
+      "hypothesis": "Двадцять три."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2884.wav",
+      "speaker_id": "",
+      "reference": "А ти?",
+      "hypothesis": "а ти?"
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/1920.wav",
+      "speaker_id": "",
+      "reference": "Дякую.",
+      "hypothesis": "Дякую!"
+    }
+  ],
+  "random_examples": [
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/473.wav",
+      "speaker_id": "",
+      "reference": "Ганді завжди розділяв людину і функції, які вона виконує.",
+      "hypothesis": "Ганді завжди розділяв людину і функції, які вона виконує."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2950.wav",
+      "speaker_id": "",
+      "reference": "Що видиш там, отрочице?",
+      "hypothesis": "Що видеш там, отручиться?"
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/1526.wav",
+      "speaker_id": "",
+      "reference": "Тут є два аспекти.",
+      "hypothesis": "Тут є два аспекти."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/3361.wav",
+      "speaker_id": "",
+      "reference": "Тільки вірність і слухняність творять передумови успіху національної боротьби.",
+      "hypothesis": "Тільки віяльність і слухняність говорить передумови успіху національми боротьби."
+    },
+    {
+      "utterance_id": "/home/yehor/squeezeformer/data/cv10-uk-testset-clean-punctuated/2605.wav",
+      "speaker_id": "",
+      "reference": "І як швидко взагалі ми зможемо ввести в експлуатацію другий та третій блоки?",
+      "hypothesis": "І як швидко взагалі ми зможемо вести в експлуатацію другій та третій блоки."
+    }
+  ],
+  "speaker_metrics": {
+    "speaker_count": 0,
+    "speaker_macro_wer": 0.0,
+    "speaker_id_available": false,
+    "missing_speaker_id_samples": 3204,
+    "per_speaker": {}
+  },
+  "split_audit": {
+    "counts": {
+      "train": {
+        "samples": 648240,
+        "speakers": 0,
+        "records_with_speaker_id": 0,
+        "hours": 1264.353836267957
+      },
+      "validation": {
+        "samples": 3204,
+        "speakers": 0,
+        "records_with_speaker_id": 0,
+        "hours": 4.629311440972232
+      }
+    },
+    "hours": {
+      "train": 1264.353836267957,
+      "validation": 4.629311440972232
+    },
+    "total_hours": 1268.9831477089292,
+    "speaker_overlaps": {
+      "train_vs_validation": 0
+    },
+    "speaker_balance_ratio": 1.0,
+    "speaker_id_available": false
+  }
+}

training_20260415_090229.log

@@ -1,3 +1,3 @@
 version https://git-lfs.github.com/spec/v1
-oid sha256:e8d7f736f13ef65a60b645b66bd245bb79f22c4bcab6e6357df9dd3d49e1c9fb
-size 16488077
+oid sha256:a49307b652dcb1ccb05f14a01d53bb65fe81f533bdf6580ed53d8a83cdff86b5
+size 18264496