WAV2VEC2_XLSR53

torchaudio.pipelines.WAV2VEC2_XLSR53

Wav2vec 2.0 模型（“base” 架构），使用来自多个数据集（ Multilingual LibriSpeech [Pratap et al., 2020], CommonVoice [Ardila et al., 2020] and BABEL [Gales et al., 2014]），未进行微调。

最初由论文 Unsupervised Cross-lingual Representation Learning for Speech Recognition [Conneau et al., 2020] 的作者在 MIT 许可下发布，并以相同许可重新分发。[许可证, 来源]

请参考 torchaudio.pipelines.Wav2Vec2Bundle 查看用法。