WAV2VEC2_ASR_BASE_960H

torchaudio.pipelines.WAV2VEC2_ASR_BASE_960H

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 [Panayotov 等人，2015]（“train-clean-100”、“train-clean-360” 和 “train-other-500” 的组合）的 960 小时未标记音频上进行预训练，并在相同的音频和对应的转录文本上针对 ASR 进行微调。

最初由 wav2vec 2.0 的作者 [Baevski 等人，2020] 在 MIT 许可证下发布，并以相同的许可证重新分发。[许可证，源代码]

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