Wav2Vec2Bundle

class torchaudio.pipelines.Wav2Vec2Bundle

捆綁使用預訓練 Wav2Vec2Model 所需關聯資訊的資料類。

該類提供了例項化預訓練模型的介面，以及檢索預訓練權重和與模型一起使用的附加資料所需的資訊。

Torchaudio 庫例項化該類的物件，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 - 特徵提取

>>> import torchaudio
>>>
>>> bundle = torchaudio.pipelines.HUBERT_BASE
>>>
>>> # Build the model and load pretrained weight.
>>> model = bundle.get_model()
Downloading:
100%|███████████████████████████████| 360M/360M [00:06<00:00, 60.6MB/s]
>>>
>>> # Resample audio to the expected sampling rate
>>> waveform = torchaudio.functional.resample(waveform, sample_rate, bundle.sample_rate)
>>>
>>> # Extract acoustic features
>>> features, _ = model.extract_features(waveform)

屬性

取樣率

property Wav2Vec2Bundle.sample_rate: float

模型訓練時使用的音訊取樣率。

型別：

float

方法

get_model

Wav2Vec2Bundle.get_model(*, dl_kwargs=None) → Module

構建模型並載入預訓練權重。

權重檔案從網際網路下載並使用 torch.hub.load_state_dict_from_url() 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：

Wav2Vec2Model 的變體。

對於下方列出的模型，會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