VOXPOPULI_ASR_BASE_10K_IT

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_IT

wav2vec 2.0 模型（“base”架构），在 VoxPopuli 数据集 [Wang et al., 2021] 的 10k 小时无标签音频（“10k”子集，包含 23 种语言）上预训练，并在“it”子集的 91 小时转录音频上针对 ASR 进行了微调。

最初由VoxPopuli的作者发布 [Wang et al., 2021]，在 CC BY-NC 4.0 许可下，并以相同许可重新分发。[许可, 来源]

请参考 torchaudio.pipelines.Wav2Vec2ASRBundle 进行使用。