torchaudio.prototype.models.emformer_hubert_base

torchaudio.prototype.models.emformer_hubert_base(extractor_input_dim: int = 80, extractor_output_dim: int = 128, encoder_dropout: float = 0.1, aux_num_out: Optional[int] = None) → Wav2Vec2Model

建構具有 20 個 Emformer 層的 Emformer HuBERT 模型。

參數:

• extractor_input_dim (int, optional) – 特徵提取器的輸入維度。（預設值：80）

• extractor_output_dim (int, optional) – 特徵提取器後的輸出維度。（預設值：128）

• encoder_dropout (float, optional) – Emformer 中的 Dropout 概率。（預設值：0.1）

• aux_num_out (int 或 None, optional) – 用於微調的輔助層輸出維度。（預設值：None）

返回:

結果 torchaudio.models.Wav2Vec2Model 模型，帶有 torchaudio.models.Emformer 編碼器。

返回類型:

Wav2Vec2Model