在 Hugging Face 中使用 SpeechBrain

speechbrain 是一个开源的、一体化的音频/语音对话工具包。其目标是创建一个单一的、灵活的、用户友好的工具包，可用于轻松开发最先进的语音技术，包括语音识别、说话人识别、语音增强、语音分离、语言识别、多麦克风信号处理等系统。

在 Hub 中探索 SpeechBrain

您可以在 模型页面 的左侧过滤以找到 speechbrain 模型。

Hub 上的所有模型都附带以下功能

1. 自动生成的模型卡片，其中包含简要描述。
2. 元数据标签，有助于发现信息，例如语言、许可证、论文等。
3. 一个交互式小部件，您可以在浏览器中直接使用它与模型进行交互。
4. 一个推理 API，允许进行推理请求。

使用现有模型

speechbrain 提供了不同的接口来管理针对不同任务的预训练模型，例如 EncoderClassifier、EncoderClassifier、SepformerSeperation 和 SpectralMaskEnhancement。这些类有一个 from_hparams 方法，您可以使用它从 Hub 加载模型

以下是如何运行城市声音中声音识别的推理示例。

import torchaudio
from speechbrain.pretrained import EncoderClassifier

classifier = EncoderClassifier.from_hparams(
    source="speechbrain/urbansound8k_ecapa"
)
out_prob, score, index, text_lab = classifier.classify_file('speechbrain/urbansound8k_ecapa/dog_bark.wav')

如果您想查看如何加载特定模型，您可以点击 在 SpeechBrain 中使用，您将获得一个可以用来加载它的工作代码片段！

其他资源

• SpeechBrain 网站。
• SpeechBrain 文档。