Wav2Vec2-large-VoxPopuli-V2

Facebook's Wav2Vec2 仅使用42.5个未标记数据的uralic进行了大型模型的预训练。

该模型在16kHz采样的语音音频上进行了预训练。在使用该模型时，请确保您的语音输入也是以16KHz进行采样的。

注意：该模型没有分词器，因为它仅在音频上进行了预训练。为了将该模型用于语音识别，需要创建一个分词器，并在uralic上对标记的文本数据进行微调。详细了解如何微调模型，请查看 this blog 。

论文： VoxPopuli: A Large-Scale Multilingual Speech Corpus for Representation Learning, Semi-Supervised Learning and Interpretation

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

有关更多信息，请访问官方网站 here 。