RNNTBeamSearch¶

class torchaudio.models.RNNTBeamSearch(model: RNNT, blank: int, temperature: float = 1.0, hypo_sort_key: Optional[Callable[[Tuple[List[int], Tensor, List[List[Tensor]], float]], float]] = None, step_max_tokens: int = 100)[source]¶

RNN-T 模型的 Beam Search 解碼器。

另請參閱

引數：

model (RNNT) – 要使用的 RNN-T 模型。
blank (int) – 詞彙表中 blank 標記的索引。
temperature (float, 可選) – 應用於聯合網路輸出的溫度。值越大，樣本越均勻。(預設值：1.0)
hypo_sort_key (Callable[[Hypothesis], float] 或 None, 可選) – 用於計算給定假設得分以對假設進行排名的可呼叫物件。如果 None，則預設為根據標記序列長度歸一化假設得分的可呼叫物件。(預設值：None)
step_max_tokens (int, 可選) – 每個輸入時間步最多發射的標記數量。(預設值：100)

使用 RNNTBeamSearch 的教程: 使用 Emformer RNN-T 進行線上 ASR

使用 Emformer RNN-T 進行線上 ASR

使用 Emformer RNN-T 進行裝置音影片 ASR

使用 Emformer RNN-T 進行裝置音影片 ASR

方法¶

RNNTBeamSearch.forward(input: Tensor, length: Tensor, beam_width: int) → List[Tuple[List[int], Tensor, List[List[Tensor]], float]][source]¶

對給定的輸入序列執行 beam search。

T: 幀數；D: 每幀的特徵維度。

引數：

返回：

beam search 找到的 top-beam_width 個假設。

返回型別：

List[Hypothesis]

在流式模式下對給定輸入序列執行 beam search。

T: 幀數；D: 每幀的特徵維度。

引數：

input (torch.Tensor) – 輸入幀序列，形狀為 (T, D) 或 (1, T, D)。
length (torch.Tensor) – 輸入序列中的有效幀數，形狀為 () 或 (1,)。
beam_width (int) – 搜尋期間使用的 beam 大小。
state (List[List[torch.Tensor]] 或 None, 可選) – 表示前一次呼叫中生成的轉錄網路內部狀態的張量列表的列表。(預設值：None)
hypothesis (List[Hypothesis] 或 None) – 用於種子搜尋的，來自前一次呼叫的假設。(預設值：None)

返回：

返回型別：

(List[Hypothesis], List[List[torch.Tensor]])

torchaudio.models.Hypothesis¶

RNN-T beam search 解碼器生成的 Hypothesis，表示為 (標記, 預測網路輸出, 預測網路狀態, 分數) 元組。