VOXPOPULI_ASR_BASE_10K_EN

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_EN

wav2vec 2.0 模型 (“base” 架構)，在來自 VoxPopuli 資料集的 1 萬小時未標記音訊上預訓練 [Wang et al., 2021] (“10k” 子集，包含 23 種語言)，並在來自 “en” 子集的 543 小時轉錄音訊上針對 ASR 進行微調。

最初由 VoxPopuli 的作者發布 [Wang et al., 2021]，依據 CC BY-NC 4.0 授權條款發布並以相同授權條款重新發布。[License, Source]

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