WAV2VEC2_XLSR53

torchaudio.pipelines.WAV2VEC2_XLSR53

Wav2vec 2.0 模型（“base”架构），在来自多个数据集的 56,000 小时无标签音频上进行了预训练（*多语言 LibriSpeech* [Pratap et al., 2020]，*CommonVoice* [Ardila et al., 2020] 和 *BABEL* [Gales et al., 2014]），未进行微调。

最初由 *Unsupervised Cross-lingual Representation Learning for Speech Recognition* 的作者发布 [Conneau et al., 2020]，根据 MIT 许可证分发，并沿用相同许可证进行再分发。[许可证, 来源]

有关用法，请参阅 torchaudio.pipelines.Wav2Vec2Bundle。