torchaudio.prototype.pipelines

pipelines 子套件包含具有預訓練權重的模型和相關工具的 API。

RNN-T 串流/非串流 ASR

預訓練模型

EMFORMER_RNNT_BASE_MUSTC	基於 Emformer-RNNT 的預訓練 ASR pipeline，能夠執行串流和非串流推論。
EMFORMER_RNNT_BASE_TEDLIUM3	基於 Emformer-RNNT 的預訓練 ASR pipeline，能夠執行串流和非串流推論。

HiFiGAN Vocoder

介面

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

HiFiGANVocoderBundle

資料類別，將相關資訊綁定在一起，以使用預訓練的 HiFiGANVocoder。

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] 推論 pipeline。
VGGishBundle.VGGish	VGGish 模型的實作 [Hershey et al., 2017]。
VGGishBundle.VGGishInputProcessor	將原始波形轉換為批次範例，以用作 VGGish 的輸入。

預訓練模型

VGGISH

預訓練的 VGGish [Hershey et al., 2017] 推論管線，移植自 torchvggish 和 tensorflow-models。