WAV2VEC2_ASR_LARGE_960H

torchaudio.pipelines.WAV2VEC2_ASR_LARGE_960H

Wav2vec 2.0 模型（“大型”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了 ASR 微调。

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。