MoonshineAudioToTextPreprocessor
类keras_hub.models.MoonshineAudioToTextPreprocessor(
audio_converter, tokenizer, decoder_sequence_length=1024, **kwargs
)
Moonshine 针对音频转文本任务的 Seq2Seq LM 预处理器。
此预处理器将原始音频和文本输入转换为适合 MoonshineAudioToText
模型使用的格式。它使用 MoonshineAudioConverter
处理音频波形进行基本预处理(填充、归一化),并使用 MoonshineTokenizer
对解码器文本进行分词。它支持训练和生成。
参数
MoonshineAudioConverter
实例,用于处理音频。MoonshineTokenizer
实例,用于对文本进行分词。示例
import keras
from keras_hub.layers import MoonshineAudioConverter
from keras_hub.models import MoonshineTokenizer
# Create audio converter and tokenizer instances.
audio_converter = MoonshineAudioConverter()
tokenizer = MoonshineTokenizer.from_preset("moonshine_base")
# Initialize the preprocessor.
preprocessor = keras_hub.models.MoonshineAudioToTextPreprocessor(
audio_converter=audio_converter,
tokenizer=tokenizer,
decoder_sequence_length=8
)
# Prepare input data (audio tensor and text).
inputs = {
"audio": keras.random.normal((1, 16000)),
"text": ["the quick brown fox"]
}
# Process the inputs for training.
x, y, sample_weight = preprocessor(inputs)
# Check output keys and shapes (shapes depend on padding/truncation).
print(x.keys())
# dict_keys(['encoder_input_values', 'encoder_padding_mask',
# 'decoder_token_ids', 'decoder_padding_mask']).
print(x["encoder_input_values"].shape) # e.g., (1, 16000, 1) / padded length
print(x["encoder_padding_mask"].shape) # e.g., (1, 16000) or padded length
print(x["decoder_token_ids"].shape) # (1, 8)
print(x["decoder_padding_mask"].shape) # (1, 8)
print(y.shape) # (1, 8) - Labels
print(sample_weight.shape) # (1, 8) - Sample weights
# Process inputs for generation.
gen_inputs = preprocessor.generate_preprocess(inputs)
print(gen_inputs.keys())
# dict_keys(['encoder_input_values', 'encoder_padding_mask',
# 'decoder_token_ids', 'decoder_padding_mask']).
from_preset
方法MoonshineAudioToTextPreprocessor.from_preset(
preset, config_file="preprocessor.json", **kwargs
)
从模型预设实例化一个 keras_hub.models.Preprocessor
。
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 Preprocessor
子类,您可以运行 cls.presets.keys()
来列出该类上所有可用的内置预设。
由于一个给定模型通常有多个预处理类,因此应在特定的子类上调用此方法,例如 keras_hub.models.BertTextClassifierPreprocessor.from_preset()
。
参数
示例
# Load a preprocessor for Gemma generation.
preprocessor = keras_hub.models.CausalLMPreprocessor.from_preset(
"gemma_2b_en",
)
# Load a preprocessor for Bert classification.
preprocessor = keras_hub.models.TextClassifierPreprocessor.from_preset(
"bert_base_en",
)
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。 |
tokenizer
属性keras_hub.models.MoonshineAudioToTextPreprocessor.tokenizer
用于对字符串进行分词的分词器。