WAV2VEC2_XLSR_300M

torchaudio.pipelines.WAV2VEC2_XLSR_300M

XLS-R 模型，拥有 3 亿参数，在来自多个数据集的 436,000 小时无标签音频上进行了预训练（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]) 覆盖 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。