WAV2VEC2_XLSR_300M¶
- torchaudio.pipelines.WAV2VEC2_XLSR_300M¶
XLS-R 模型，具有 3 億個參數，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 和 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行。[許可證, 原始碼]
請參閱
torchaudio.pipelines.Wav2Vec2Bundle以了解使用詳情。
