WAV2VEC2_ASR_BASE_10M

torchaudio.pipelines.WAV2VEC2_ASR_BASE_10M

Wav2vec 2.0 模型（“base”架構，帶有一個額外的線性模組），在 LibriSpeech 資料集 [Panayotov 等人，2015] 中的 960 小時無標籤音訊上進行預訓練（包括“train-clean-100”、“train-clean-360”和“train-other-500”的組合），並在 Libri-Light 資料集 [Kahn 等人，2020] 中 10 分鐘的帶標註音訊上進行 ASR 微調（“train-10min”子集）。

最初由 wav2vec 2.0 的作者 [Baevski 等人，2020] 在 MIT 許可下發布，並以相同許可重新分發。 [許可, 來源]

請參閱 torchaudio.pipelines.Wav2Vec2ASRBundle 瞭解用法。