WAV2VEC2_ASR_BASE_960H

torchaudio.pipelines.WAV2VEC2_ASR_BASE_960H

Wav2vec 2.0 模型（“base”架构，带有一个额外的线性模块），在来自 LibriSpeech 数据集的 960 小时无标签音频上进行预训练 [Panayotov et al., 2015]（“train-clean-100”、“train-clean-360”和“train-other-500”的组合），并在相同的音频上使用对应的转录本进行 ASR 微调。

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

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