WAV2VEC2_ASR_BASE_10M

torchaudio.pipelines.WAV2VEC2_ASR_BASE_10M

Wav2vec 2.0 模型（“base”架构，带有一个额外的线性模块），在 LibriSpeech 数据集的 960 小时无标签音频上进行了预训练 [Panayotov et al., 2015]（“train-clean-100”、“train-clean-360”和“train-other-500”的组合），并在 Libri-Light 数据集的 10 分钟转录音频上进行了 ASR 微调 [Kahn et al., 2020]（“train-10min”子集）。

最初由 wav2vec 2.0 的作者发布 [Baevski et al., 2020]，采用 MIT 许可证，并以相同许可证重新分发。[许可证, 来源]

请参阅 torchaudio.pipelines.Wav2Vec2ASRBundle 获取使用方法。