WAV2VEC2_ASR_BASE_10M

torchaudio.pipelines.WAV2VEC2_ASR_BASE_10M

Wav2vec 2.0 模型（“base”架构，带有一个额外的线性模块），在来自 LibriSpeech 数据集的 960 小时未标记音频上进行预训练 [Panayotov et al., 2015] （“train-clean-100”、“train-clean-360”和“train-other-500”的组合），并在来自 Libri-Light 数据集的 10 分钟转录音频上针对 ASR 进行微调 [Kahn et al., 2020] （“train-10min”子集）。

最初由 wav2vec 2.0 的作者发布 [Baevski et al., 2020]，根据 MIT 许可证发布并以相同许可证重新分发。[许可证, 来源]

请参考 torchaudio.pipelines.Wav2Vec2ASRBundle 以了解用法。