VOXPOPULI_ASR_BASE_10K_IT

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_IT

wav2vec 2.0 模型（“base” 架構），使用來自 VoxPopuli 資料集的 1 萬小時無標籤音訊進行預訓練[Wang et al., 2021]（“10k” 子集，包含 23 種語言），並使用來自 “it” 子集的 91 小時轉錄音訊進行 ASR 微調。

最初由 VoxPopuli 的作者[Wang et al., 2021]在 CC BY-NC 4.0 許可下發布，並以相同許可進行重新分發。 [許可證, 來源]

請參閱 torchaudio.pipelines.Wav2Vec2ASRBundle 瞭解用法。