VOXPOPULI_ASR_BASE_10K_ES

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_ES

wav2vec 2.0 模型（“base”架構），在 VoxPopuli 資料集的 10k 小時無標註音訊（“10k”子集，包含 23 種語言）上進行預訓練，並在“es”子集的 166 小時轉錄音訊上進行 ASR 微調。[Wang 等人, 2021]

最初由 VoxPopuli 的作者 [Wang 等人, 2021] 在 CC BY-NC 4.0 許可下發布，並以相同許可重新分發。[許可, 來源]

請參考 torchaudio.pipelines.Wav2Vec2ASRBundle 瞭解用法。