WAV2VEC2_XLSR_2B

torchaudio.pipelines.WAV2VEC2_XLSR_2B

XLS-R 模型，具有 20 亿参数，在来自多个数据集（包括 Multilingual LibriSpeech [Pratap et al., 2020]、CommonVoice [Ardila et al., 2020]、VoxLingua107 [Valk and Alumäe, 2021]、BABEL [Gales et al., 2014] 和 VoxPopuli [Wang et al., 2021]）的 436,000 小时无标签音频上进行了预训练，涵盖 128 种语言，未进行微调。

最初由 XLS-R [Babu et al., 2021] 的作者在 MIT 许可下发布，并以相同许可重新分发。 [许可, 来源]

有关使用详情，请参阅 torchaudio.pipelines.Wav2Vec2Bundle。