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:

生成的 torchaudio.models.Wav2Vec2Model 模型，带有 torchaudio.models.Emformer 编码器。

返回类型:

Wav2Vec2Model