torchaudio.prototype.pipelines - pytorch tutorials中文文档 - 文档多

•

pytorch tutorials中文文档

Torch audio 文档

索引

支持的功能

功能分类

TorchAudio 徽标

参考文献

安装

安装预编译的二进制文件

从源码构建

在 Linux 和 macOS 上构建

在 Windows 上构建

在 Jetson 上构建

启用 GPU 视频解码器/编码器

API 教程

音频输入/输出

StreamReader 基本用法

StreamReader 高级用法

StreamWriter 基本用法

StreamWriter 高级用法

使用 NVDEC 加速视频解码

使用 NVENC 加速视频编码

AudioEffector 使用指南

音频重采样

音频数据增强

音频特征提取

音频特征增强

CTC 强制对齐 API 教程

振荡器和ADSR包络

加法合成

滤波器设计教程

减法合成

音频数据集

管道教程

使用 Wav2Vec2 进行语音识别

使用 CTC 解码器进行语音识别推理

使用 CUDA CTC 解码器进行 ASR 推理

使用 Emformer RNN-T 进行在线语音识别

使用 Emformer RNN-T 进行设备端语音识别

设备端基于 Emformer RNN-T 的音频-视觉语音识别

使用 Wav2Vec2 进行强制对齐

多语言数据的强制对齐

使用 Tacotron2 实现文本转语音

基于 MVDR 波束形成的语音增强

使用 Hybrid Demucs 进行音乐源分离

Torchaudio-Squim: TorchAudio 中的非侵入式语音评估

训练实用技巧

Conformer RNN-T 语音识别

Emformer RNN-T 语音识别

Conv-TasNet 源分离

HuBERT 预训练与微调（ASR）

实时音视频自动语音识别

Python API 参考文档

torchaudio

torchaudio.io

torchaudio.functional

torchaudio.transforms

torchaudio.datasets

torchaudio.models

torchaudio.models.decoder

torchaudio.pipelines

torchaudio.sox_effects

torchaudio.compliance.kaldi

torchaudio.kaldi_io

torchaudio.utils

torio

torio.io

torio.utils

Python 原型 API 参考

torchaudio.prototype

torchaudio.prototype.datasets

torchaudio.prototype.functional

torchaudio.prototype.models

torchaudio.prototype.pipelines

torchaudio.prototype.transforms

C++ 原型 API 参考

libtorio

torio::io::StreamingMediaDecoder

torio::io::StreamingMediaEncoder

PyTorch 库

PyTorch

torchaudio

torchtext

torchvision

TorchElastic

TorchServe

在 XLA 设备上使用 PyTorch

torchaudio.prototype.pipelines pipelines 子包包含用于加载预训练权重模型及相关工具的 API。 RNN-T 流式/非流式语音识别 预训练模型 EMFORMER_RNNT_BASE_MUSTC 基于预训练 Emformer-RNNT 的 ASR 管道，能够执行流式和非流式推理。 EMFORMER_RNNT_BASE_TEDLIUM3 预训练的基于 Emformer-RNNT 的自动语音识别（ASR）管道，能够执行流式和非流式推理。 HiFiGAN 声码器 接口 HiFiGANVocoderBundle 定义了能够将梅尔频谱图转换为波形的 HiFiGAN 声码器管道。 HiFiGANVocoderBundle 数据类，用于捆绑使用预训练模型的相关信息 HiFiGANVocoder . 预训练模型 HIFIGAN_VOCODER_V3_LJSPEECH HiFiGAN 声码器流水线，训练于 LJ Speech 数据集 [Ito 和 Johnson, 2017] VGGish 接口 VGGishBundle VGGish [Hershey et al., 2017 推理管道已移植自 torchvggish 和 tensorflow-models . VGGishBundle.VGGish VGGish 模型的实现 [Hershey et al., 2017] VGGishBundle.VGGishInputProcessor 将原始波形转换为批量的示例，用作 VGGish 的输入。 预训练模型 VGGISH 预训练的 VGGish [Hershey et al., 2017 从\dots移植的推理管道 torchvggish 以及 tensorflow-models .

本页目录