在 Hugging Face 上使用 ESPnet

espnet 是一个用于语音处理的端到端工具包，包括自动语音识别、文本转语音、语音增强、说话人识别及其他任务。

探索 Hub 中的 ESPnet

您可以通过在模型页面左侧筛选来查找数百个 espnet 模型。

Hub 上的所有模型都附带了有用的功能

1. 一个自动生成的模型卡，包含描述、训练配置、许可证等信息。
2. 有助于发现并包含许可证、语言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，我们建议查阅官方指南）。

如果您对推理感兴趣，不同任务的不同类都有一个 from_pretrained 方法，允许从 Hub 加载模型。例如：

• 用于自动语音识别的 Speech2Text。
• 用于文本转语音的 Text2Speech。
• 用于音频源分离的 SeparateSpeech。

这是一个推理示例：

import soundfile
from espnet2.bin.tts_inference import Text2Speech

text2speech = Text2Speech.from_pretrained("model_name")
speech = text2speech("foobar")["wav"]
soundfile.write("out.wav", speech.numpy(), text2speech.fs, "PCM_16")

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

分享您的模型

ESPnet 输出一个 zip 文件，可以轻松上传到 Hugging Face。有关分享模型的完整指南，我们建议查阅官方指南）。

run.sh 脚本允许将给定模型上传到 Hugging Face 仓库。

./run.sh --stage 15 --skip_upload_hf false --hf_repo username/model_repo

额外资源

• ESPnet 文档。
• ESPnet 模型库 仓库。
• 集成 文档。