在 Hugging Face 使用 SpeechBrain

speechbrain 是一个开源且一体化的语音对话工具包，用于音频/语音处理。其目标是创建一个单一、灵活且用户友好的工具包，可以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。

探索 Hub 中的 SpeechBrain

您可以通过在模型页面左侧过滤来查找 speechbrain 模型。

中心上的所有模型都具有以下功能：

1. 自动生成的模型卡片，包含简要描述。
2. 元数据标签有助于发现模型信息，例如语言、许可证、论文等。
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

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

这是一个在城市声音中运行声音识别推理的示例。

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')

如果您想了解如何加载特定模型，可以点击 Use in speechbrain，您将获得可加载的工作代码片段！

其他资源

• SpeechBrain 官网。
• SpeechBrain 文档。