WAV2VEC2_ASR_LARGE_960H

torchaudio.pipelines.WAV2VEC2_ASR_LARGE_960H

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

最初由 wav2vec 2.0 [Baevski et al., 2020] 的作者根據 MIT 許可證發布，並以相同的許可證重新發布。[許可證, 來源]

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