torchaudio.prototype.pipelines

pipelines 子包包含带有预训练权重的模型以及相关实用程序的 API。

RNN-T 流式/非流式 ASR

预训练模型

EMFORMER_RNNT_BASE_MUSTC	预训练的基于 Emformer-RNNT 的 ASR pipeline，能够执行流式和非流式推理。
EMFORMER_RNNT_BASE_TEDLIUM3	预训练的基于 Emformer-RNNT 的 ASR pipeline，能够执行流式和非流式推理。

HiFiGAN 声码器

接口

HiFiGANVocoderBundle 定义了 HiFiGAN 声码器 pipeline，能够将 mel 频谱图转换为波形。

HiFiGANVocoderBundle

数据类，用于捆绑关联信息以使用预训练的 HiFiGANVocoder。

预训练模型

HIFIGAN_VOCODER_V3_LJSPEECH

HiFiGAN 声码器 pipeline，在 The LJ Speech Dataset [Ito and Johnson, 2017] 上训练。

VGGish

接口

VGGishBundle	VGGish [Hershey et al., 2017] 推理 pipeline，从 torchvggish 和 tensorflow-models 移植而来。
VGGishBundle.VGGish	VGGish 模型的实现 [Hershey et al., 2017]。
VGGishBundle.VGGishInputProcessor	将原始波形转换为示例批次，以用作 VGGish 的输入。

预训练模型

VGGISH

预训练的 VGGish [Hershey et al., 2017] 推理 pipeline，从 torchvggish 和 tensorflow-models 移植而来。