Wav2Vec2ASRBundle

class torchaudio.pipelines.Wav2Vec2ASRBundle

一個數據類，捆綁了使用預訓練的 Wav2Vec2Model 所需的相關資訊。

此類提供了用於例項化預訓練模型的介面，以及檢索預訓練權重和模型所需額外資料的必要資訊。

Torchaudio 庫例項化此類的物件，每個物件代表一個不同的預訓練模型。客戶端程式碼應透過這些例項訪問預訓練模型。

請參閱下方瞭解用法和可用值。

示例 - ASR

>>> import torchaudio
>>>
>>> bundle = torchaudio.pipelines.HUBERT_ASR_LARGE
>>>
>>> # Build the model and load pretrained weight.
>>> model = bundle.get_model()
Downloading:
100%|███████████████████████████████| 1.18G/1.18G [00:17<00:00, 73.8MB/s]
>>>
>>> # Check the corresponding labels of the output.
>>> labels = bundle.get_labels()
>>> print(labels)
('-', '|', 'E', 'T', 'A', 'O', 'N', 'I', 'H', 'S', 'R', 'D', 'L', 'U', 'M', 'W', 'C', 'F', 'G', 'Y', 'P', 'B', 'V', 'K', "'", 'X', 'J', 'Q', 'Z')
>>>
>>> # Resample audio to the expected sampling rate
>>> waveform = torchaudio.functional.resample(waveform, sample_rate, bundle.sample_rate)
>>>
>>> # Infer the label probability distribution
>>> emissions, _ = model(waveform)
>>>
>>> # Pass emission to decoder
>>> # `ctc_decode` is for illustration purpose only
>>> transcripts = ctc_decode(emissions, labels)

使用 Wav2Vec2ASRBundle 的教程

使用 Wav2Vec2 進行語音識別

使用 Wav2Vec2 進行語音識別

使用 CTC 解碼器進行 ASR 推理

使用 CTC 解碼器進行 ASR 推理

使用 Wav2Vec2 進行強制對齊

使用 Wav2Vec2 進行強制對齊

屬性

sample_rate

property Wav2Vec2ASRBundle.sample_rate: float

模型訓練所用音訊的取樣率。

型別:

float

方法

get_labels

Wav2Vec2ASRBundle.get_labels(*, blank: str = '-') → Tuple[str, ...]

輸出類別標籤。

第一個是空白標記，它是可定製的。

引數:

blank (str, 可選) – 空白標記。（預設值：'-'）

返回值:

對於在 ASR 上微調的模型，返回表示輸出類別標籤的字串元組。

返回型別:

Tuple[str, …]

示例

>>> from torchaudio.pipelines import HUBERT_ASR_LARGE as bundle
>>> bundle.get_labels()
('-', '|', 'E', 'T', 'A', 'O', 'N', 'I', 'H', 'S', 'R', 'D', 'L', 'U', 'M', 'W', 'C', 'F', 'G', 'Y', 'P', 'B', 'V', 'K', "'", 'X', 'J', 'Q', 'Z')

get_model

Wav2Vec2ASRBundle.get_model(*, dl_kwargs=None) → Module

構造模型並載入預訓練權重。

權重檔案將從網際網路下載，並使用 torch.hub.load_state_dict_from_url() 進行快取

引數:

dl_kwargs (關鍵字引數字典) – 傳遞給 torch.hub.load_state_dict_from_url()。

返回值:

Wav2Vec2Model 的變體。

對於下面列出的模型，對輸入執行額外的層歸一化。

對於所有其他模型，返回一個 Wav2Vec2Model 例項。

• WAV2VEC2_LARGE_LV60K

• WAV2VEC2_ASR_LARGE_LV60K_10M

• WAV2VEC2_ASR_LARGE_LV60K_100H

• WAV2VEC2_ASR_LARGE_LV60K_960H

• WAV2VEC2_XLSR53

• WAV2VEC2_XLSR_300M

• WAV2VEC2_XLSR_1B

• WAV2VEC2_XLSR_2B

• HUBERT_LARGE

• HUBERT_XLARGE

• HUBERT_ASR_LARGE

• HUBERT_ASR_XLARGE

• WAVLM_LARGE