WAV2VEC2_ASR_LARGE_10M

torchaudio.pipelines.WAV2VEC2_ASR_LARGE_10M

Wav2vec 2.0 模型（“大型”架构，带有一个额外的线性模块），在 960 小时的无标签音频上进行预训练，这些音频来自 LibriSpeech 数据集 [Panayotov 等人，2015]（“train-clean-100”、“train-clean-360”和“train-other-500”的组合），并针对 ASR 在 10 分钟的转录音频上进行微调，这些音频来自 Libri-Light 数据集 [Kahn 等人，2020]（“train-10min” 子集）。

最初由 wav2vec 2.0 [Baevski 等人，2020] 的作者在 MIT 许可证下发布，并以相同的许可证重新发布。[许可证，来源]

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