Wav2Vec2Bundle

class torchaudio.pipelines.Wav2Vec2Bundle

用于捆绑与预训练模型 Wav2Vec2Model 相关的联信息的数据类。

此类提供用于实例化预训练模型以及检索预训练权重和模型附加数据所需信息的接口。

Torchaudio 库会实例化此类对象，每个对象代表一个不同的预训练模型。客户端代码应通过这些实例访问预训练模型。

请参阅下方以了解用法和可用值。

示例 - 特征提取

>>> 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)

属性

sample_rate

property Wav2Vec2Bundle.sample_rate: float

模型训练所使用的音频的采样率。

类型

浮点数

方法

get_model

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

构建模型并加载预训练权重。

权重文件通过 torch.hub.load_state_dict_from_url() 从互联网下载并缓存。

参数

dl_kwargs (字典，包含关键字参数) – 传递给 torch.hub.load_state_dict_from_url()。

返回

是 Wav2Vec2Model 的一个变体。

对于下面列出的模型，会对输入执行额外的层归一化。

对于所有其他模型，将返回一个 Wav2Vec2Model 实例。

• 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