在 Hugging Face 上使用 Asteroid

asteroid 是一个用于音频源分离的 Pytorch 工具包。它支持在常用数据集上进行快速实验，并支持大量数据集和重现论文的食谱。

探索 Hub 中的 Asteroid

您可以通过在模型页面左侧进行筛选来找到 asteroid 模型。

中心上的所有模型都具有以下功能：

1. 一个自动生成的模型卡片，包含描述、训练配置、指标等。
2. 有助于可发现性并包含许可证和数据集等信息的元数据标签。
3. 可直接在浏览器中与模型交互的交互式小部件。
4. 允许进行推理请求的推理 API。

使用现有模型

有关加载预训练模型的完整指南，我们建议查看官方指南。

所有模型类（BaseModel、ConvTasNet 等）都有一个 from_pretrained 方法，允许从 Hub 加载模型。

from asteroid.models import ConvTasNet
model = ConvTasNet.from_pretrained('mpariente/ConvTasNet_WHAM_sepclean')

如果您想了解如何加载特定模型，您可以点击 Use in Adapter Transformers，您将获得一个可供加载的工作代码片段！

分享您的模型

目前没有自动上传模型到 Hub 的方法，但上传过程已记录在官方指南中。

所有配方都会创建上传模型到 Hub 所需的所有文件。该过程通常包括以下步骤：

1. 创建并克隆模型仓库。
2. 将文件从配方输出移动到仓库（模型卡片、模型文件、TensorBoard 跟踪）。
3. 推送文件（git add + git commit + git push）。

完成这些操作后，您就可以直接在浏览器中试用您的模型并与社区的其他成员分享。

其他资源

• Asteroid 网站。
• Asteroid 库。
• 集成文档。