WAV2VEC2_XLSR53

torchaudio.pipelines.WAV2VEC2_XLSR53

Wav2vec 2.0 模型（“base” 架構），使用來自多個數據集（ Multilingual LibriSpeech [Pratap et al., 2020], CommonVoice [Ardila et al., 2020] and BABEL [Gales et al., 2014]），未進行微調。

最初由論文 Unsupervised Cross-lingual Representation Learning for Speech Recognition [Conneau et al., 2020] 的作者在 MIT 許可下發布，並以相同許可重新分發。[許可證, 來源]

請參考 torchaudio.pipelines.Wav2Vec2Bundle 檢視用法。