VOXPOPULI_ASR_BASE_10K_ES

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_ES

wav2vec 2.0 模型（“base”架构），在 VoxPopuli 数据集的 10k 小时无标注音频（“10k”子集，包含 23 种语言）上进行预训练，并在“es”子集的 166 小时转录音频上进行 ASR 微调。[Wang 等人, 2021]

最初由 VoxPopuli 的作者 [Wang 等人, 2021] 在 CC BY-NC 4.0 许可下发布，并以相同许可重新分发。[许可, 来源]

请参考 torchaudio.pipelines.Wav2Vec2ASRBundle 了解用法。