使用 🤗 Transformers 微调 XLS-R 进行低资源 ASR

Hugging Face 发布教程，演示如何使用 🤗 Transformers 微调 XLS-R（Wav2Vec2-XLS-R-300M）进行低资源自动语音识别。该模型基于近50万小时128种语言数据预训练，参数规模达3亿至20亿。教程以 Common Voice 数据集为例，采用 CTC 算法和 WER 指标评估，展示了从数据准备到 Hub 上传的完整流程。