torchaudio.models.decoder¶
Decoder 类¶
CTCDecoder 公司¶
-
class （nbest： int， 词典： Optional[Dict]， word_dict： torchaudio._torchaudio_decoder._Dictionary， tokens_dict： torchaudio._torchaudio_decoder._Dictionary， lm： torchaudio._torchaudio_decoder._LM， decoder_options： Union[torchaudio._torchaudio_decoder._LexiconDecoderOptions， torchaudio._torchaudio_decoder._LexiconFreeDecoderOptions]，blank_token：str，sil_token：str，unk_word：str）[来源]
torchaudio.models.decoder.CTCDecoder¶ 
来自 Flashlight 的 CTC 光束搜索解码器 [1]。
- 参数
nbest （int） – 要返回的最佳解码数
lexicon （Dict 或 None） – 单词到拼写的词典映射，或 None 用于无词典解码器
word_dict （_Dictionary） – 单词词典
tokens_dict （_Dictionary） – 令牌字典
lm （_LM） – 语言模型
decoder_options （_LexiconDecoderOptions 或 _LexiconFreeDecoderOptions） – 用于波束搜索解码的参数
blank_token （str） – 对应于 blank 的标记
sil_token （str） – 对应于 silence 的令牌
unk_word （str） – 对应于 unknown 的单词
- 教程使用：
CTCDecoder
-
__call__(自身，排放：Torch。FloatTensor，长度：可选[torch.张量] = 无）→列表[List[torchaudio.models.decoder.CTCHypothesis]][来源]¶ - 参数
发射 （torch.FloatTensor） – 形状为 （batch， frame， num_tokens） 的 CPU 张量，存储 标签上的概率分布;声学模型的输出。
lengths （Tensor 或 None，可选） – 形状为 （batch， ） 的 CPU 张量，存储 在每个批次中输出 Tensor 的时间轴上。
- 返回
批次中每个音频序列的已排序最佳假设列表。
- 返回类型
列表[List[CTCHypothesis]]
工厂功能¶
ctc_decoder¶
-
class （词典： Optional[str]， tokens： Union[str， List[str]]， lm： 可选 [str] = 无， nbest： int = 1， beam_size： int = 50， beam_size_token： 可选[int] = 无， beam_threshold： 浮点数 = 50， lm_权重：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>'）[来源]
torchaudio.models.decoder.ctc_decoder¶ 从 Flashlight 构建 CTC 光束搜索解码器 [1]。
- 参数
lexicon （str 或 None） – 包含可能的单词和相应拼写的词典文件。 每行由一个单词及其以空格分隔的拼写组成。如果为 None，则使用无词典 译码。
tokens （str 或 List[str]） – 包含有效令牌的文件或列表。如果使用文件，则预期的 format 用于将映射到同一索引的标记位于同一行上
nbest （int， optional） – 要返回的最佳解码数量 （默认值： 1）
beam_size （int， optional） – 每个解码步骤后要保留的最大 hypos 数（默认值：50）
beam_size_token （int， optional） – 每个解码步骤要考虑的最大令牌数。 如果为 None，则将其设置为令牌总数（默认值：None）
beam_threshold （float， optional） – 修剪假设的阈值 （默认值：50）
lm_weight （float， optional） – 语言模型的权重 （Default： 2）
word_score （float， optional） – 单词插入分数 （默认值： 0）
unk_score （float， optional） – 未知单词插入分数 （默认值：-inf）
sil_score （float， optional） – 静默插入分数 （默认值： 0）
log_add （bool， optional） – 合并假设时是否使用 logadd （默认值：False）
blank_token （str， optional） – 对应于 blank （默认值： “-”） 的令牌
sil_token （str， optional） – 对应于 silence 的令牌 （默认值： “|”）
unk_word （str， optional） – 对应于 unknown 的单词 （默认值： “<unk>”）
- 返回
译码器
- 返回类型
- 例
>>> decoder = ctc_decoder( >>> lexicon="lexicon.txt", >>> tokens="tokens.txt", >>> lm="kenlm.bin", >>> ) >>> results = decoder(emissions) # List of shape (B, nbest) of Hypotheses
- 教程使用：
ctc_decoder
效用函数¶
download_pretrained_files¶
-
类（模型：str）[来源]
torchaudio.models.decoder.download_pretrained_files¶ 检索用于 CTC 解码器的预训练数据文件。
- 参数
model （str） – 要下载的预训练语言模型。 选项： [“librispeech-3-gram”， “librispeech-4-gram”， “librispeech”]
- 返回
- 具有以下属性的 Object
- LM：
与下载的语言模型对应的路径，如果模型未与 lm 关联，则为 None。
- 词汇：
与下载的词典文件对应的路径
- 令 牌：
下载的令牌文件对应的路径
- 教程使用：
download_pretrained_files