WAV2VEC2_XLSR53

torchaudio.pipelines.WAV2VEC2_XLSR53

Wav2vec 2.0 模型（“基础”架构），在来自多个数据集的 56,000 小时未标记音频上进行预训练（多语言 LibriSpeech [Pratap 等人，2020]、CommonVoice [Ardila 等人，2020] 和 BABEL [Gales 等人，2014]），未进行微调。

最初由语音识别的无监督跨语言表示学习的作者发布[Conneau 等人，2020]，根据 MIT 许可证发布，并以相同的许可证重新分发。[许可证、来源]

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