Hugging Face 详解 Wav2Vec2 在长音频文件上的自动语音识别方案

Hugging Face 介绍利用 CTC 架构的 stride 分块技术，解决 Wav2Vec2 处理长音频时的内存溢出问题。通过 `chunk_length_s` 和 `stride_length_s` 参数实现重叠推理并丢弃边缘 logits，可在有限硬件上对任意长度文件或实时流进行高质量 ASR。