torchaudio.functional.forced_align¶
- torchaudio.functional.forced_align(log_probs: Tensor, targets: Tensor, input_lengths: Optional[Tensor] = None, target_lengths: Optional[Tensor] = None, blank: int = 0) Tuple[Tensor, Tensor][source]¶
將 CTC 標籤序列與發射對齊。
- 引數：
log_probs (Tensor) – CTC 發射輸出的對數機率。形狀為 (B, T, C) 的 Tensor。其中 B 是批次大小，T 是輸入長度，C 是字母表中字元的數量（包括 blank 符號）。
targets (Tensor) – 目標序列。形狀為 (B, L) 的 Tensor，其中 L 是目標長度。
input_lengths (Tensor 或 None，可選) – 輸入的長度（最大值必須小於等於 T）。形狀為 (B,) 的 1-D Tensor。
target_lengths (Tensor 或 None，可選) – 目標的長度。形狀為 (B,) 的 1-D Tensor。
blank_id (int，可選) – CTC 發射中 blank 符號的索引。（預設值：0）
- 返回：
Tensor：使用強制對齊計算出的對齊路徑中每個時間步的標籤。
Tensor：每個時間步標籤的對數機率分數。
- 返回型別：
Tuple(Tensor, Tensor)
注意
log_probs 的序列長度必須滿足
\[L_{\text{log\_probs}} \ge L_{\text{label}} + N_{\text{repeat}} \]其中 \(N_{\text{repeat}}\) 是連續重複 token 的數量。例如，在字串 “aabbc” 中，重複數量為 2。
注意
當前版本僅支援
batch_size==1。- 使用
forced_align的教程
