torchaudio.prototype.pipelines

pipelines 子包包含帶有預訓練權重和相關工具的模型的 API。

RNN-T 流式/非流式 ASR

預訓練模型

EMFORMER_RNNT_BASE_MUSTC	基於 Emformer-RNNT 的預訓練 ASR pipeline，能夠執行流式和非流式推理。
EMFORMER_RNNT_BASE_TEDLIUM3	基於 Emformer-RNNT 的預訓練 ASR pipeline，能夠執行流式和非流式推理。

HiFiGAN Vocoder

介面

HiFiGANVocoderBundle 定義了 HiFiGAN Vocoder pipeline，能夠將 mel 頻譜圖轉換為波形。

HiFiGANVocoderBundle

用於捆綁關聯資訊以使用預訓練 HiFiGANVocoder 的資料類。

預訓練模型

HIFIGAN_VOCODER_V3_LJSPEECH

HiFiGAN Vocoder pipeline，在 The LJ Speech Dataset [Ito and Johnson, 2017] 上訓練。

VGGish

介面

VGGishBundle	從 torchvggish 和 tensorflow-models 移植的 VGGish [Hershey et al., 2017] 推理 pipeline。
VGGishBundle.VGGish	VGGish 模型 [Hershey et al., 2017] 的實現。
VGGishBundle.VGGishInputProcessor	將原始波形轉換為批處理示例，用作 VGGish 的輸入。

預訓練模型

VGGISH

從 torchvggish 和 tensorflow-models 移植的預訓練 VGGish [Hershey et al., 2017] 推理 pipeline。