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 LibriSpeech 数据集 [Panayotov 等人，2015] 中的 960 小时无标签音频上进行预训练（包括“train-clean-100”、“train-clean-360”和“train-other-500”的组合），并在 Libri-Light 数据集 [Kahn 等人，2020] 中 10 分钟的带标注音频上进行 ASR 微调（“train-10min”子集）。

最初由 wav2vec 2.0 的作者 [Baevski 等人，2020] 在 MIT 许可下发布，并以相同许可重新分发。 [许可, 来源]

请参阅 torchaudio.pipelines.Wav2Vec2ASRBundle 了解用法。