KerasHub: 预训练模型 / API 文档 / 模型架构 / Moonshine / MoonshineAudioToText 模型

MoonshineAudioToText 模型

[源代码]

MoonshineAudioToText

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()sampler 参数控制。默认情况下,使用“top_k”采样。

参数

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,
)
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。

[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 preprocessorNone,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。