api-inference 文档

音频分类

Hugging Face's logo
加入 Hugging Face 社区

并获得增强型文档体验

开始使用

音频分类

音频分类是将标签或类别分配给给定音频的任务。

示例应用程序

  • 识别用户正在发出的命令
  • 识别说话者
  • 检测歌曲的流派

有关 audio-classification 任务的更多详细信息,请查看其 专用页面! 您将找到示例和相关资料。

推荐的模型

探索所有可用的模型,找到最适合您的模型 这里

使用 API

Python
JavaScript
cURL
import requests

API_URL = "https://api-inference.huggingface.co/models/ehcalabres/wav2vec2-lg-xlsr-en-speech-emotion-recognition"
headers = {"Authorization": "Bearer hf_***"}

def query(filename):
    with open(filename, "rb") as f:
        data = f.read()
    response = requests.post(API_URL, headers=headers, data=data)
    return response.json()

output = query("sample1.flac")

要使用 Python 客户端,请参见 huggingface_hub软件包参考

API 规范

请求

有效负载
输入* 字符串 输入音频数据,以 Base64 编码的字符串形式。如果未提供 parameters,您也可以以原始字节有效负载的形式提供音频数据。
参数 对象 音频分类的额外推理参数
        要应用的函数 枚举 可能的值:sigmoid、softmax、none。
        top_k 整数 指定时,将输出限制为概率最高的 K 个类别。

某些选项可以通过将标头传递给推理 API 来配置。以下是可用的标头

标头
授权 字符串 身份验证标头,形式为 'Bearer: hf_****',其中 hf_**** 是具有推理 API 权限的个人用户访问令牌。您可以在 您的设置页面 生成一个。
x-use-cache 布尔值,默认为 true 推理 API 上有一个缓存层,可以加快我们已经见过的请求。大多数模型可以使用这些结果,因为它们是确定性的(这意味着输出无论如何都会相同)。但是,如果您使用非确定性模型,则可以将此参数设置为阻止使用缓存机制,从而导致真正的全新查询。阅读有关缓存的更多信息 这里
x-wait-for-model 布尔值,默认为 false 如果模型未准备好,请等待模型,而不是接收 503。这将限制完成推理所需的请求数量。建议仅在收到 503 错误后才将此标志设置为 true,因为它将限制应用程序中挂起的位置。阅读有关模型可用性的更多信息 这里

有关推理 API 标头的更多信息,请查看参数 指南

响应

主体
(数组) object[] 输出是一个对象数组。
        标签 字符串 预测的类别标签。
        分数 数字 相应的概率。
< > 在 GitHub 上更新