VOXPOPULI_ASR_BASE_10K_ES

torchaudio.pipelines.VOXPOPULI_ASR_BASE_10K_ES

wav2vec 2.0 模型（「base」架構），在來自 VoxPopuli 資料集的 10k 小時未標記音訊上進行預訓練 [Wang et al., 2021]（「10k」子集，包含 23 種語言），並在來自「es」子集的 166 小時轉錄音訊上進行 ASR 微調。

最初由 VoxPopuli 的作者發布 [Wang et al., 2021] 在 CC BY-NC 4.0 下發布，並以相同的授權重新發布。[授權, 來源]

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