WAV2VEC2_ASR_LARGE_960H

torchaudio.pipelines.WAV2VEC2_ASR_LARGE_960H

Wav2vec 2.0 模型（“大型”架構，帶有額外的線性模組），在 LibriSpeech 資料集 [Panayotov 等人，2015] 中 960 小時的未標註音訊上進行預訓練（組合了“train-clean-100”、“train-clean-360”和“train-other-500”），並使用相應的文字在相同的音訊上針對 ASR 進行了微調。

由 wav2vec 2.0 的作者 [Baevski 等人，2020] 最初在 MIT 許可證下發布，並使用相同的許可證重新分發。 [許可證, 來源]

請參考 torchaudio.pipelines.Wav2Vec2ASRBundle 瞭解用法。