VOXPOPULI_ASR_BASE_10K_IT

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_IT

wav2vec 2.0 模型（“base”架构），在来自 VoxPopuli 数据集（“10k”子集，包含 23 种语言）的 10,000 小时未标记音频上进行预训练，并在“it”子集的 91 小时转录音频上进行 ASR 微调。

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

有关用法，请参阅 torchaudio.pipelines.Wav2Vec2ASRBundle。