WAV2VEC2_XLSR53

torchaudio.pipelines.WAV2VEC2_XLSR53

Wav2vec 2.0 模型（“base” 架构），在来自多个数据集（Multilingual LibriSpeech [Pratap et al., 2020], CommonVoice [Ardila et al., 2020] 和 BABEL [Gales et al., 2014]）的 56,000 小时未标记音频上预训练，未进行微调。

最初由 Unsupervised Cross-lingual Representation Learning for Speech Recognition [Conneau et al., 2020] 的作者根据 MIT 许可证发布，并以相同许可证重新分发。[许可证, 来源]

请参阅 torchaudio.pipelines.Wav2Vec2Bundle 以了解用法。