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
keras_hub.models.MoonshineBackbone
实例。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})
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:
'bert_base_en'
'kaggle://user/bert/keras/bert_base_en'
'hf://user/bert_base_en'
'./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
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,
)
预设 | 参数 | 描述 |
---|---|---|
moonshine_tiny_en | 27.09M | 用于英语语音识别的 Moonshine tiny 模型。由 Useful Sensors 开发,用于实时转录。 |
moonshine_base_en | 61.51M | 用于英语语音识别的 Moonshine base 模型。由 Useful Sensors 开发,用于实时转录。 |
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
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。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。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。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。