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（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]) 的 436,000 小时无标签音频上预训练，支持 128 种语言，未进行微调。

最初由 XLS-R 的作者 [Babu et al., 2021] 在 MIT 许可下发布，并以相同许可重新分发。[许可证, 来源]

有关使用详情，请参考 torchaudio.pipelines.Wav2Vec2Bundle。