Wav2Vec2Bundle

class torchaudio.pipelines.Wav2Vec2Bundle

資料類別，捆綁相關資訊以使用預訓練的 Wav2Vec2Model。

此類別提供介面，用於實例化預訓練模型，以及檢索預訓練權重和與模型一起使用的其他資料所需之資訊。

Torchaudio 函式庫實例化此類別的物件，每個物件代表一個不同的預訓練模型。用戶端程式碼應透過這些實例存取預訓練模型。

請參閱下方的使用方法和可用值。

範例 - 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

sample_rate

property Wav2Vec2Bundle.sample_rate: float

模型訓練所用音訊的取樣率。

類型:

float

方法

get_model

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

建構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() 進行快取

參數:

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

傳回:

Wav2Vec2Model 的變體。

對於下方列出的模型，輸入會執行額外的層正規化。

對於所有其他模型，會傳回 Wav2Vec2Model 實例。

• 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