MoonshineAudioToText 模型

[源代码]

MoonshineAudioToText 类

keras_hub.models.MoonshineAudioToText(backbone, preprocessor=None, **kwargs)

一个用于语音转文本任务的端到端 Moonshine 模型。

一个专为语音转文本任务（如语音识别）设计的 Seq2Seq LM。编码器处理音频特征，解码器生成文本转录。你可以针对任何语音转文本任务（例如实时转录或语音命令）对 MoonshineAudioToText 进行微调。

此模型包含一个 generate() 方法，用于根据音频输入和可选的解码器文本提示生成文本。生成策略由传递给 compile() 的 sampler 参数控制。默认情况下，使用“top_k”采样。

参数

• backbone: 一个 keras_hub.models.MoonshineBackbone 实例。
• preprocessor: 一个 keras_hub.models.MoonshineAudioToTextPreprocessor 或 None。如果为 None，则在调用模型之前必须对输入进行预处理。

示例

# Initialize model from preset.
moonshine_lm = keras_hub.models.MoonshineAudioToText.from_preset(
    "moonshine_base"
)

# Generate with single audio input.
audio_tensor = keras.random.normal((1, 16000, 1))
moonshine_lm.generate({"audio": audio_tensor})

# Generate with text prompt.
moonshine_lm.generate({"audio": audio_tensor, "text": "quick"})

# Use different sampling strategy.
moonshine_lm.compile(sampler="greedy")
moonshine_lm.generate({"audio": audio_tensor})

[源代码]

from_preset 方法

MoonshineAudioToText.from_preset(preset, load_weights=True, **kwargs)

从模型预设实例化一个 keras_hub.models.Task。

预设是一个包含配置、权重和其他文件资产的目录，用于保存和加载预训练模型。preset 可以作为以下之一传递：

1. 一个内置的预设标识符，如 'bert_base_en'
2. 一个 Kaggle Models 句柄，如 'kaggle://user/bert/keras/bert_base_en'
3. 一个 Hugging Face 句柄，如 'hf://user/bert_base_en'
4. 一个本地预设目录的路径，如 './bert_base_en'

对于任何 Task 子类，您都可以运行 cls.presets.keys() 来列出该类上所有可用的内置预设。

此构造函数可以通过两种方式调用。一种是通过任务特定的基类，例如 keras_hub.models.CausalLM.from_preset()，另一种是通过模型类，例如 keras_hub.models.BertTextClassifier.from_preset()。如果通过基类调用，返回对象的子类将根据预设目录中的配置推断。

参数

• preset：字符串。一个内置预设标识符、一个 Kaggle Models 句柄、一个 Hugging Face 句柄或一个本地目录的路径。
• load_weights: 布尔值。如果为 True，已保存的权重将被加载到模型架构中。如果为 False，所有权重将被随机初始化。

示例

# Load a Gemma generative task.
causal_lm = keras_hub.models.CausalLM.from_preset(
    "gemma_2b_en",
)

# Load a Bert classification task.
model = keras_hub.models.TextClassifier.from_preset(
    "bert_base_en",
    num_classes=2,
)

[源代码]

generate 方法

MoonshineAudioToText.generate(
    inputs, max_length=None, stop_token_ids="auto", strip_prompt=False
)

根据提示 inputs 生成文本。

此方法根据给定的 inputs 生成文本。用于生成的采样方法可以通过 compile() 方法设置。

如果 inputs 是一个 tf.data.Dataset，输出将“逐批”生成并连接起来。否则，所有输入将被视为单个批次处理。

如果模型附带 preprocessor，则 inputs 将在 generate() 函数内部进行预处理，并且应与 preprocessor 层预期结构（通常是原始字符串）匹配。如果未附带 preprocessor，则输入应与 backbone 预期结构匹配。请参阅上面的示例用法，了解每种情况的演示。

参数

• inputs: Python 数据、张量数据或 tf.data.Dataset。如果模型附带 preprocessor，则 inputs 应与 preprocessor 层预期结构匹配。如果未附带 preprocessor，则 inputs 应与 backbone 模型预期结构匹配。
• max_length: 可选。int。生成序列的最大长度。默认为 preprocessor 配置的最大 sequence_length。如果 preprocessor 为 None，则 inputs 应填充到所需的**最大长度**，此参数将被忽略。
• stop_token_ids: 可选。None、“auto”或词元 ID 元组。默认为“auto”，它使用 preprocessor.tokenizer.end_token_id。未指定处理器将产生错误。None 在生成 max_length 词元后停止生成。您还可以指定模型应停止的词元 ID 列表。请注意，词元序列中的每个词元都将被解释为停止词元，不支持多词元停止序列。
• strip_prompt：可选。默认情况下，generate() 返回完整的提示及其后由模型生成的补全内容。如果此选项设置为 True，则只返回新生成的文本。

backbone 属性

keras_hub.models.MoonshineAudioToText.backbone

一个具有核心架构的 keras_hub.models.Backbone 模型。

preprocessor 属性

keras_hub.models.MoonshineAudioToText.preprocessor

用于预处理输入的 keras_hub.models.Preprocessor 层。