语言: 乌拉尔语系 标签:

• 音频
• 自动语音识别
• voxpopuli-v2 数据集:
• voxpopuli 许可证: cc-by-nc-4.0 推理: 不支持

Wav2Vec2-large-VoxPopuli-V2

Facebook的Wav2Vec2大型模型，仅在乌拉尔语系上基于VoxPopuli语料库的42.5小时无标注数据进行预训练。

该模型预训练时使用的语音音频采样率为16kHz。使用该模型时，请确保您的语音输入同样以16kHz采样。

注意：此模型未配备分词器，因其仅基于音频进行预训练。若要将此模型用于语音识别，需创建一个分词器，并在乌拉尔语系的标注文本数据上进行微调。详细微调步骤可参考此博客的深入说明。

论文: VoxPopuli: 一个用于表征学习、半监督学习及可解释性研究的大规模多语言语音语料库

作者: Facebook AI的Changhan Wang, Morgane Riviere, Ann Lee, Anne Wu, Chaitanya Talnikar, Daniel Haziza, Mary Williamson, Juan Pino, Emmanuel Dupoux。

更多信息请访问官方网站此处。