HUBERT_ASR_XLARGE

torchaudio.pipelines.HUBERT_ASR_XLARGE

HuBERT 模型（“超大型”架構），預訓練於來自 Libri-Light 資料集的 60,000 小時未標記音訊 [Kahn et al., 2020]，並針對來自 LibriSpeech 資料集的 960 小時轉錄音訊進行 ASR 微調 [Panayotov et al., 2015]（“train-clean-100”、“train-clean-360”和“train-other-500”的組合）。

最初由 HuBERT 的作者發布 [Hsu et al., 2021]，根據 MIT 授權發布並以相同授權重新發布。[授權, 來源]

請參閱 torchaudio.pipelines.Wav2Vec2ASRBundle 以了解用法。