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]] = None, step_max_tokens: int = 100)[source]¶

RNN-T 模型的 Beam search 解碼器。

另請參閱

參數:

model (RNNT) – 要使用的 RNN-T 模型。
blank (int) – 詞彙表中空白符號的索引。
temperature (float, optional) – 應用於聯合網路輸出的溫度。較大的值會產生更均勻的樣本。（預設值：1.0）
hypo_sort_key (Callable[[Hypothesis], float] or None, optional) – 可呼叫物件，用於計算給定假設的分數，以對假設進行排名。如果為 None，則預設為可呼叫物件，該物件返回按符號序列長度正規化的假設分數。（預設值：None）
step_max_tokens (int, optional) – 每個輸入時間步要發出的最大符號數。（預設值：100）

使用 RNNTBeamSearch 的教學: 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 進行裝置端 AV-ASR

使用 Emformer RNN-T 進行裝置端 AV-ASR

方法¶

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

為給定的輸入序列執行 beam search。

T：幀數；D：每幀的特徵維度。

參數:

回傳:

beam search 找到的前 beam_width 個假設。

回傳類型:

List[Hypothesis]

在串流模式下，為給定的輸入序列執行 beam search。

T：幀數；D：每幀的特徵維度。

參數:

input (torch.Tensor) – 輸入幀序列，形狀為 (T, D) 或 (1, T, D)。
length (torch.Tensor) – 輸入序列中有效幀的數量，形狀為 () 或 (1,)。
beam_width (int) – 搜尋期間要使用的 beam 大小。
state (List[List[torch.Tensor]] or None, optional) – 表示前一次調用中產生的轉錄網路內部狀態的張量列表的列表。（預設值：None）
hypothesis (List[Hypothesis] or None) – 來自前一次調用的假設，用於為搜尋提供種子。（預設值：None）

回傳:

回傳類型:

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

torchaudio.models.Hypothesis¶

由 RNN-T beam search 解碼器產生的假設，表示為 (符號, 預測網路輸出, 預測網路狀態, 分數) 的 tuple。