WAV2VEC2_XLSR_300M¶
- torchaudio.pipelines.WAV2VEC2_XLSR_300M¶
具有 3 億引數的 XLS-R 模型，使用來自多個數據集（ 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 小時未標記音訊進行預訓練，涵蓋 128 種語言，未進行微調。
最初由 XLS-R [Babu et al., 2021] 的作者釋出，採用 MIT 許可，並以相同許可重新分發。 [許可, 來源]
請參閱
torchaudio.pipelines.Wav2Vec2Bundle獲取使用詳情。
