WAV2VEC2_XLSR_2B

torchaudio.pipelines.WAV2VEC2_XLSR_2B

XLS-R 模型，具有 20 億引數，在來自多個數據集（包括 Multilingual LibriSpeech [Pratap et al., 2020]、CommonVoice [Ardila et al., 2020]、VoxLingua107 [Valk and Alumäe, 2021]、BABEL [Gales et al., 2014] 和 VoxPopuli [Wang et al., 2021]）的 436,000 小時無標籤音訊上進行了預訓練，涵蓋 128 種語言，未進行微調。

最初由 XLS-R [Babu et al., 2021] 的作者在 MIT 許可下發布，並以相同許可重新分發。 [許可, 來源]

有關使用詳情，請參閱 torchaudio.pipelines.Wav2Vec2Bundle。