WAV2VEC2_ASR_BASE_960H

torchaudio.pipelines.WAV2VEC2_ASR_BASE_960H

Wav2vec 2.0 模型（带有额外线性模块的“base”架构），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），并在相同的音频上使用相应的文本记录进行 ASR 微调。

最初由 wav2vec 2.0 的作者发布 [Baevski et al., 2020]，根据 MIT 许可证获得许可，并以相同的许可证重新分发。[许可证, 来源]

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