Wav2Vec2FABundle

類 torchaudio.pipelines.Wav2Vec2FABundle

用於捆綁關聯資訊的 資料類，以便使用預訓練的 Wav2Vec2Model 進行強制對齊。

該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與模型一起使用的額外資料所需的資訊。

Torchaudio 庫會例項化此類的物件，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 - 特徵提取

>>> import torchaudio
>>>
>>> bundle = torchaudio.pipelines.MMS_FA
>>>
>>> # Build the model and load pretrained weight.
>>> model = bundle.get_model()
Downloading:
100%|███████████████████████████████| 1.18G/1.18G [00:05<00:00, 216MB/s]
>>>
>>> # Resample audio to the expected sampling rate
>>> waveform = torchaudio.functional.resample(waveform, sample_rate, bundle.sample_rate)
>>>
>>> # Estimate the probability of token distribution
>>> emission, _ = model(waveform)
>>>
>>> # Generate frame-wise alignment
>>> alignment, scores = torchaudio.functional.forced_align(
>>>     emission, targets, input_lengths, target_lengths, blank=0)
>>>

使用 Wav2Vec2FABundle 的教程

CTC 強制對齊 API 教程

CTC 強制對齊 API 教程

多語言資料的強制對齊

多語言資料的強制對齊

使用 Wav2Vec2 進行強制對齊

使用 Wav2Vec2 進行強制對齊

屬性

sample_rate

屬性 Wav2Vec2FABundle.sample_rate: float

模型訓練所使用的音訊的取樣率。

型別：

float

方法

get_aligner

Wav2Vec2FABundle.get_aligner() → Aligner

例項化一個 Aligner。

返回：

Aligner

get_dict

Wav2Vec2FABundle.get_dict(star: Optional[str] = '*', blank: str ='-') → Dict[str, int]

獲取從 token 到索引的對映（在 emission feature 維度中）

引數：

• star (str 或 None，可選) – 更改或停用 star token。（預設值："*"）

• blank (str，可選) – 更改 blank token。（預設值：'-'）

返回：

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 MMS_FA as bundle
>>> bundle.get_dict()
{'-': 0, 'a': 1, 'i': 2, 'e': 3, 'n': 4, 'o': 5, 'u': 6, 't': 7, 's': 8, 'r': 9, 'm': 10, 'k': 11, 'l': 12, 'd': 13, 'g': 14, 'h': 15, 'y': 16, 'b': 17, 'p': 18, 'w': 19, 'c': 20, 'v': 21, 'j': 22, 'z': 23, 'f': 24, "'": 25, 'q': 26, 'x': 27, '*': 28}
>>> bundle.get_dict(star=None)
{'-': 0, 'a': 1, 'i': 2, 'e': 3, 'n': 4, 'o': 5, 'u': 6, 't': 7, 's': 8, 'r': 9, 'm': 10, 'k': 11, 'l': 12, 'd': 13, 'g': 14, 'h': 15, 'y': 16, 'b': 17, 'p': 18, 'w': 19, 'c': 20, 'v': 21, 'j': 22, 'z': 23, 'f': 24, "'": 25, 'q': 26, 'x': 27}

get_labels

Wav2Vec2FABundle.get_labels(star: Optional[str] = '*', blank: str ='-') → Tuple[str, ...]

獲取與 emission 特徵維度相對應的標籤。

第一個是 blank token，並且它是可自定義的。

引數：

• star (str 或 None，可選) – 更改或停用 star token。（預設值："*"）

• blank (str，可選) – 更改 blank token。（預設值：'-'）

返回：

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 MMS_FA as bundle
>>> bundle.get_labels()
('-', 'a', 'i', 'e', 'n', 'o', 'u', 't', 's', 'r', 'm', 'k', 'l', 'd', 'g', 'h', 'y', 'b', 'p', 'w', 'c', 'v', 'j', 'z', 'f', "'", 'q', 'x', '*')
>>> bundle.get_labels(star=None)
('-', 'a', 'i', 'e', 'n', 'o', 'u', 't', 's', 'r', 'm', 'k', 'l', 'd', 'g', 'h', 'y', 'b', 'p', 'w', 'c', 'v', 'j', 'z', 'f', "'", 'q', 'x')

get_model

Wav2Vec2FABundle.get_model(with_star: bool = True, *, dl_kwargs=None) → Module

構建模型並載入預訓練權重。

權重檔案會從網際網路下載並使用 torch.hub.load_state_dict_from_url() 進行快取。

引數：

• with_star (bool，可選) – 如果啟用，輸出層的最後一維會擴充套件一個，這對應於 star token。

• dl_kwargs (keyword arguments 字典) – 傳遞給 torch.hub.load_state_dict_from_url()。

返回：

Wav2Vec2Model 的變體。

注意

使用此方法建立的模型返回的是對數域的機率（即應用了 torch.nn.functional.log_softmax()），而其他 Wav2Vec2 模型返回的是 logit。

get_tokenizer

Wav2Vec2FABundle.get_tokenizer() → Tokenizer

例項化一個 Tokenizer。

返回：

Tokenizer