Facebook的Wav2Vec2基础模型，仅在瑞典语上预训练，使用VoxPopuli语料库16.3k无标签数据，采样率16kHz，需创建分词器并微调以用于语音识别。【此简介由AI生成】
以下内容由 AI 翻译，如有问题请 点此提交 issue 反馈
language: sv tags:
- audio
- automatic-speech-recognition
- voxpopuli-v2 datasets:
- voxpopuli license: cc-by-nc-4.0 inference: false
Wav2Vec2-base-VoxPopuli-V2
Facebook的Wav2Vec2基础模型，仅基于瑞典语（sv） 并使用VoxPopuli语料库中16.3千小时的无标注数据进行预训练。
该模型采用16kHz采样的语音音频进行预训练。使用模型时，请确保输入的语音数据同样以16kHz频率采样。
注意：本模型未配备分词器，因其仅通过音频进行预训练。若要将该模型用于语音识别任务，需创建分词器并基于瑞典语（sv） 的标注文本数据进行微调。详细微调方法可参阅这篇技术博客获取进阶说明。
论文：VoxPopuli：用于表示学习、半监督学习与可解释性研究的大规模多语言语音语料库
作者：Changhan Wang, Morgane Riviere, Ann Lee, Anne Wu, Chaitanya Talnikar, Daniel Haziza, Mary Williamson, Juan Pino, Emmanuel Dupoux（来自Facebook AI）
更多信息请访问官方网站此处。