ctc_decoder

torchaudio.models.decoder.ctc_decoder(lexicon: Optional[str], tokens: Union[str, List[str]], lm: Optional[Union[str, CTCDecoderLM]] = None, lm_dict: Optional[str] = None, nbest: int = 1, beam_size: int = 50, beam_size_token: Optional[int] = None, beam_threshold: float = 50, lm_weight: float = 2, word_score: float = 0, unk_score: float = -inf, sil_score: float = 0, log_add: bool = False, blank_token: str = '-', sil_token: str = '|', unk_word: str = '<unk>') → CTCDecoder

构建 CTCDecoder 的实例。

参数:

• lexicon (str 或 None) – 词汇文件，包含可能的单词及其对应的拼写。每行由一个单词及其空格分隔的拼写组成。如果为 None，则使用无词汇解码。

• tokens (str 或 List[str]) – 包含有效 tokens 的文件或列表。如果使用文件，预期格式是将映射到相同索引的 tokens 放在同一行

• lm (str, CTCDecoderLM, 或 None, 可选) – 包含 KenLM 语言模型的路径，CTCDecoderLM 类型的自定义语言模型，或者如果不使用语言模型则为 None

• lm_dict (str 或 None, 可选) – 文件，包含用于 LM 的字典，每行一个单词，按 LM 索引排序。如果使用词汇表进行解码，则 lm_dict 中的条目也必须出现在词汇表文件中。如果为 None，则使用词汇表文件构建 LM 的字典。（默认值：None）

• nbest (int, 可选) – 返回的最佳解码数（默认值：1）

• beam_size (int, 可选) – 每个解码步骤后要保留的最大假设数（默认值：50）

• beam_size_token (int, 可选) – 每个解码步骤要考虑的最大 tokens 数。如果为 None，则设置为 tokens 总数（默认值：None）

• beam_threshold (float, 可选) – 剪枝假设的阈值（默认值：50）

• lm_weight (float, 可选) – 语言模型的权重（默认值：2）

• word_score (float, 可选) – 单词插入得分（默认值：0）

• unk_score (float, 可选) – 未知单词插入得分（默认值：-inf）

• sil_score (float, 可选) – 静音插入得分（默认值：0）

• log_add (bool, 可选) – 合并假设时是否使用 logadd（默认值：False）

• blank_token (str, 可选) – 对应于空白的 token（默认值：“-”）

• sil_token (str, 可选) – 对应于静音的 token（默认值：“|”）

• unk_word (str, 可选) – 对应于未知的单词（默认值：“<unk>”）

返回:

decoder

返回类型:

CTCDecoder

示例

>>> decoder = ctc_decoder(
>>>     lexicon="lexicon.txt",
>>>     tokens="tokens.txt",
>>>     lm="kenlm.bin",
>>> )
>>> results = decoder(emissions) # List of shape (B, nbest) of Hypotheses

使用 ctc_decoder 的教程

使用 CTC 解码器的 ASR 推理

使用 CTC 解码器的 ASR 推理