在 Hugging Face 中使用 🤗 Transformers 微调 Wav2Vec2 进行英语语音识别

本文详细演示了如何使用 🤗 Transformers 微调 Wav2Vec2 模型进行英语自动语音识别。教程以仅含 5 小时数据的 Timit 数据集为例，展示如何配置 Wav2Vec2CTCTokenizer 和 Wav2Vec2FeatureExtractor，并通过连接时序分类（CTC）算法完成端到端训练。