VOXPOPULI_ASR_BASE_10K_ES

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_ES

wav2vec 2.0 模型（“base” 架构），在 10k 小时的 VoxPopuli 数据集 [Wang 等人，2021]（“10k” 子集，包含 23 种语言）的无标签音频上进行了预训练，并在 166 小时的“es”子集转录音频上进行了 ASR 微调。

最初由 VoxPopuli [Wang 等人，2021] 的作者在 CC BY-NC 4.0 下发布，并以相同许可证重新分发。[许可证，源代码]

请参考 torchaudio.pipelines.Wav2Vec2ASRBundle 获取用法。