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

构建具有 20 个 Emformer 层的 Emformer HuBERT 模型。

参数：

• extractor_input_dim (int，可选) – 特征提取器的输入维度。 (默认值：80)

• extractor_output_dim (int，可选) – 特征提取器之后的输出维度。 (默认值：128)

• encoder_dropout (float，可选) – Emformer 中的 dropout 概率。 (默认值：0.1)

• aux_num_out (int 或 None，可选) – 用于微调的辅助层的输出维度。 (默认值：None)

返回值：

生成的 torchaudio.models.Wav2Vec2Model 模型，其中包含 torchaudio.models.Emformer 编码器。

返回类型：

Wav2Vec2Model