AudioConverter 层

[来源]

AudioConverter 类

keras_hub.layers.AudioConverter(**kwargs)

转换原始音频，用于支持音频输入的模型。

此类将任意长度的原始音频张量转换为预训练模型输入的预处理音频。它旨在提供一种方便的方式来编写非模型特定的自定义预处理代码。此层应通过 from_preset() 构造函数实例化，该构造函数将为模型预设创建此层的正确子类。

该层将接收形状为 (batch_size, num_samples) 的原始音频张量作为输入，并输出用于建模的预处理音频输入。预处理输入的具体结构将因模型而异。预处理通常包括计算原始音频信号的频谱图。

示例

# Load an audio converter from a preset.
converter = keras_hub.layers.AudioConverter.from_preset("whisper_base_en")
# Convert some raw audio input.
converter(np.ones(2, 1_000))

[来源]

from_preset 方法

AudioConverter.from_preset(preset, **kwargs)

从模型预设实例化 keras_hub.layers.AudioConverter。

预设是用于保存和加载预训练模型的配置、权重和其他文件资产的目录。preset 可以作为以下形式之一传递

1. 内置预设标识符，如 'whisper_base_en'
2. Kaggle Models 句柄，如 'kaggle://user/whisper/keras/whisper_base_en'
3. Hugging Face 句柄，如 'hf://user/whisper_base_en'
4. 本地预设目录的路径，如 './whisper_base_en'

您可以运行 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之一调用。可以从基类调用，如 keras_hub.models.AudioConverter.from_preset()，也可以从模型类调用，如 keras_hub.models.WhisperAudioConverter.from_preset()。如果从基类调用，则返回对象的子类将从预设目录中的配置推断出来。

参数

• preset: 字符串。内置预设标识符、Kaggle Models 句柄、Hugging Face 句柄或本地目录的路径。
• load_weights: 布尔值。如果为 True，则权重将加载到模型架构中。如果为 False，则权重将随机初始化。

示例

# Load an audio converter from a preset.
converter = keras_hub.layers.AudioConverter.from_preset(
    "whisper_base_en"
)
# Convert some raw mono channel audio input.
converter(np.ones(2, 1_000))