WAV2VEC2_ASR_BASE_960H

torchaudio.pipelines.WAV2VEC2_ASR_BASE_960H

Wav2vec 2.0 模型（具有額外線性模組的「base」架構），在來自 LibriSpeech 資料集 [Panayotov et al., 2015] 的 960 小時未標記音訊上進行預訓練（「train-clean-100」、「train-clean-360」和「train-other-500」的組合），並在相同的音訊上使用相應的文字記錄進行 ASR 微調。

最初由 wav2vec 2.0 的作者發布 [Baevski et al., 2020]，並以相同的 MIT 授權重新發布。[授權, 來源]

有關用法，請參閱 torchaudio.pipelines.Wav2Vec2ASRBundle。