WAV2VEC2_XLSR_2B

torchaudio.pipelines.WAV2VEC2_XLSR_2B

XLS-R 模型，包含 20 亿参数，在 43.6 万小时的来自多个数据集（Multilingual LibriSpeech [Pratap et al., 2020], CommonVoice [Ardila et al., 2020], VoxLingua107 [Valk and Alumäe, 2021], BABEL [Gales et al., 2014], and VoxPopuli [Wang et al., 2021]）的无标签音频进行预训练，支持 128 种语言，未经微调。

最初由 XLS-R [Babu et al., 2021] 的作者在 MIT 许可下发布，并以相同的许可重新分发。 [License, Source]

请参阅 torchaudio.pipelines.Wav2Vec2Bundle 以了解使用详情。