返回的翻译信息如下：

语言：中文 数据集：

• librispeech_asr 标签：
• 语音

许可证：apache-2.0

Data2Vec-Audio-Base（基础版音频数据向量化模型）

Facebook的Data2Vec研究项目

该基础模型基于16kHz采样的语音音频进行预训练。使用时请确保语音输入同样以16kHz采样。

注意：本模型未配备分词器，因其仅针对音频数据进行预训练。若需用于语音识别任务，需创建分词器并在标注文本数据上微调模型。详细微调方法请参阅这篇博客。

论文链接

作者：Alexei Baevski, Wei-Ning Hsu, Qiantong Xu, Arun Babu, Jiatao Gu, Michael Auli

摘要

虽然自监督学习的核心理念在不同模态间是相通的，但由于各算法最初针对单一模态开发，其具体实现与目标函数存在显著差异。为实现通用自监督学习，我们提出data2vec框架——采用统一学习方法处理语音、自然语言处理或计算机视觉任务。其核心思想是：在自蒸馏架构中，基于输入数据的遮蔽视图，通过标准Transformer架构预测完整输入的潜在表征。不同于预测单词、视觉标记或语音单元等局部化的模态特定目标，data2vec预测的是包含全局上下文信息的潜在表征。在语音识别、图像分类和自然语言理解等主流基准测试中，本框架实现了最先进性能或具有竞争力的表现。

原始模型参见：https://github.com/pytorch/fairseq/tree/main/examples/data2vec

预训练方法

更多技术细节请参阅官方论文。

使用指南

关于模型微调的具体操作，请查看此笔记本。