VOXPOPULI_ASR_BASE_10K_IT

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_IT

wav2vec 2.0 模型（“base” 架构），使用来自 VoxPopuli 数据集的 1 万小时无标签音频进行预训练[Wang et al., 2021]（“10k” 子集，包含 23 种语言），并使用来自 “it” 子集的 91 小时转录音频进行 ASR 微调。

最初由 VoxPopuli 的作者[Wang et al., 2021]在 CC BY-NC 4.0 许可下发布，并以相同许可进行重新分发。 [许可证, 来源]

请参阅 torchaudio.pipelines.Wav2Vec2ASRBundle 了解用法。