Sử dụng SpeechBrain trên Hugging Face

speechbrain là bộ công cụ hội thoại mã nguồn mở và toàn diện cho âm thanh/giọng nói. Mục tiêu là tạo ra một bộ công cụ duy nhất, linh hoạt và thân thiện với người dùng, có thể được sử dụng để dễ dàng phát triển các công nghệ giọng nói tiên tiến, bao gồm các hệ thống nhận dạng giọng nói, nhận dạng người nói, tăng cường giọng nói, tách giọng nói, nhận dạng ngôn ngữ, xử lý tín hiệu đa micro và nhiều hơn nữa.

Khám phá SpeechBrain trên Hub

Bạn có thể tìm các mô hình speechbrain bằng cách lọc ở phía bên trái của trang mô hình.

Tất cả các mô hình trên Hub đều có các tính năng sau:

1. Thẻ mô tả mô hình được tạo tự động kèm theo mô tả ngắn.
2. Các thẻ metadata hỗ trợ khả năng tìm kiếm với thông tin như ngôn ngữ, giấy phép, bài báo, và nhiều hơn nữa.
3. Một widget tương tác mà bạn có thể sử dụng để thử nghiệm trực tiếp với mô hình ngay trong trình duyệt.
4. Một widget của Inference Providers cho phép thực hiện các yêu cầu suy luận.

Sử dụng các mô hình có sẵn

speechbrain cung cấp các giao diện khác nhau để quản lý các mô hình được huấn luyện trước cho các tác vụ khác nhau, chẳng hạn như EncoderClassifier, EncoderClassifier, SepformerSeparation và SpectralMaskEnhancement. Các lớp này có phương thức from_hparams mà bạn có thể sử dụng để tải một mô hình từ Hub

Dưới đây là một ví dụ để chạy suy luận cho nhận dạng âm thanh trong các âm thanh đô thị.

import torchaudio
from speechbrain.pretrained import EncoderClassifier

classifier = EncoderClassifier.from_hparams(
    source="speechbrain/urbansound8k_ecapa"
)
out_prob, score, index, text_lab = classifier.classify_file('speechbrain/urbansound8k_ecapa/dog_bark.wav')

Nếu bạn muốn xem cách tải một mô hình cụ thể, hãy nhấp vào Use in speechbrain và bạn sẽ nhận được một đoạn mã hoạt động để tải mô hình đó!

Tài nguyên bổ sung

• Trang website của SpeechBrain.
• Tài liệu docs của SpeechBrain.