torchaudio.prototype.pipelines

pipelines 子包包含具有预训练权重的模型的 API 和相关实用程序。

RNN-T 流式/非流式 ASR

预训练模型

EMFORMER_RNNT_BASE_MUSTC	基于 Emformer-RNNT 的预训练 ASR 管道，能够执行流式和非流式推理。
EMFORMER_RNNT_BASE_TEDLIUM3	基于 Emformer-RNNT 的预训练 ASR 管道，能够执行流式和非流式推理。

HiFiGAN 声码器

接口

HiFiGANVocoderBundle 定义了能够将梅尔语谱图转换为波形的 HiFiGAN 声码器管道。

HiFiGANVocoderBundle

数据类，捆绑了使用预训练的 HiFiGANVocoder 的相关信息。

预训练模型

HIFIGAN_VOCODER_V3_LJSPEECH

HiFiGAN 声码器管道，在LJ 语音数据集 [Ito and Johnson, 2017] 上训练。

VGGish

接口

VGGishBundle	VGGish [Hershey 等人，2017] 推理管道，移植自 torchvggish 和 tensorflow-models。
VGGishBundle.VGGish	VGGish 模型的实现 [Hershey 等人，2017]。
VGGishBundle.VGGishInputProcessor	将原始波形转换为批次示例，用作 VGGish 的输入。

预训练模型

VGGISH

预训练的 VGGish [Hershey 等人，2017] 推理管道，移植自 torchvggish 和 tensorflow-models。