WAV2VEC2_XLSR_1B¶
- torchaudio.pipelines.WAV2VEC2_XLSR_1B¶
具有 10 億參數的 XLS-R 模型，在來自多個資料集的 436,000 小時未標記音訊上預訓練 (Multilingual LibriSpeech [Pratap et al., 2020]、CommonVoice [Ardila et al., 2020]、VoxLingua107 [Valk and Alumäe, 2021]、BABEL [Gales et al., 2014] 和 VoxPopuli [Wang et al., 2021])，以 128 種語言，未經微調。
最初由 XLS-R [Babu et al., 2021] 的作者根據 MIT 許可證發布，並以相同許可證重新發布。[許可證、來源]
請參閱
torchaudio.pipelines.Wav2Vec2Bundle以了解使用詳情。
