Logo

入门

  • 快速安装
    • 通过 PyPI 安装
    • 本地安装
    • 测试安装
    • 操作系统
    • 设置 Conda 环境/虚拟环境
      • Conda
    • venv 设置
    • 测试您的 GPU 安装
  • 运行实验
    • YAML 基础知识
      • 安全警告
      • 功能
    • 运行参数
    • 张量格式
    • 修改后的 PyTorch 全局变量和 GPU 注意事项
    • 可复现性
  • 项目结构 & 生态系统
    • 目录结构
    • 外部平台
    • 测试基础设施
  • 贡献

教程笔记本

  • SpeechBrain 基础知识
    • SpeechBrain 介绍
      • 动机
      • 支持的技术
      • 安装
        • 本地安装 (Git clone)
      • 运行实验
      • 使用 YAML 指定超参数
      • 实验文件
        • 数据规范
        • 数据处理流程
        • 自定义前向计算和成本计算方法
        • Brain 类
      • 预训练和使用
      • 文件夹组织
      • 张量格式
      • 引用 SpeechBrain
    • 我可以用 SpeechBrain 做什么？
      • 不同语言的语音识别
        • 英语
        • 法语
        • 意大利语
        • 普通话
        • 卢旺达语
      • 语音分离
      • 语音增强
      • 说话人确认
      • 语音合成 (文本到语音)
      • 引用 SpeechBrain
    • Brain 类
      • Arguments to Brain class
        • modules 参数
        • opt_class 参数
        • hparams 参数
        • run_opts 参数
        • checkpointer 参数
      • The fit() 方法
        • 拟合结构
        • make_dataloader
        • on_fit_start
        • on_stage_start
        • 训练循环
        • on_stage_end
        • 验证循环
        • on_stage_end
      • The evaluate() 方法
      • 结论
      • 引用 SpeechBrain
    • HyperPyYAML 教程
      • 基本 YAML 语法
      • Tags !new: 和 !name:
      • Tags !ref 和 !copy
      • 其他标签
      • 覆盖
      • 结论
      • 引用 SpeechBrain
    • 数据加载
      • 安装依赖项
      • 前言：PyTorch 数据加载流程
        • 概述
        • 数据集
        • 整理函数
        • 采样器
        • DataLoader
      • SpeechBrain 基本数据IO
        • 数据集标注
        • DynamicItemDataset
        • 动态项目流程 (DIPs)
        • CategoricalEncoder
        • PaddedBatch 和 SaveableDataLoader
      • 完整示例：训练一个简单的说话人识别系统。
      • 致谢
      • 引用 SpeechBrain
    • 检查点
      • SpeechBrain 检查点器的作用
      • 安装依赖项
      • 简述 SpeechBrain 检查点器
      • 检查点是什么样子的？
        • 每个文件包含什么？
        • 元信息
      • 保留有限数量的检查点
        • 预训练 / 参数迁移
        • 寻找最佳检查点
        • 迁移参数
        • 协调迁移
      • 引用 SpeechBrain
  • SpeechBrain 进阶
    • 性能分析
      • 安装
      • 调用性能分析器
      • 使用 tensorboard 可视化日志
      • 引用 SpeechBrain
    • 动态批处理：它是什么以及为什么有时是必要的
      • SpeechBrain DynamicBatchSampler 类
        • 使用 speechbrain.dataio.samplers.DynamicBatchSampler
        • 高级参数：完全控制随机性、训练速度和 VRAM 消耗。
      • 如何找到好的超参数并使用 DynamicBatchSampler 加速训练
        • 使用 Web 数据集进行动态批处理
      • 致谢
      • 引用 SpeechBrain
    • 超参数优化
      • 先决条件
        • 导入
        • 安装 SpeechBrain
        • 依赖项修复
        • 安装 Oríon
      • 更新 Recipe 以支持超参数优化
      • 执行超参数搜索
        • 选择并准备超参数
        • 配置 Orion
        • 定义搜索空间
      • 检查结果
      • 大规模超参数优化
        • 多 GPU
        • 并行或分布式 Oríon
      • 引用 SpeechBrain
    • 通过 Flower 和 SpeechBrain 进行联邦语音模型训练
      • 安装
      • 您的实验需要哪些步骤？
      • 集成细节 — 将 SpeechBrain 与 Flower 耦合
        • 定义一个 Brain 类
        • 初始化 Brain 类和数据集
        • 定义一个 SpeechBrain 客户端
        • 在服务器端定义一个 Flower 策略
      • 运行实验
      • 引用 SpeechBrain
    • 在您训练好的 SpeechBrain 模型上进行推理
      • 先决条件
      • 上下文
      • 可用的不同选项
        • 1. 训练脚本中的自定义函数
        • 2. 使用 EndoderDecoderASR 接口
        • 3. 开发您自己的推理接口
      • 通用预训练推理
      • 引用 SpeechBrain
    • 预训练模型和使用 HuggingFace 进行微调
      • 先决条件
      • 安装依赖项
      • 使用预训练模型在您的数据上进行推理
        • 自动语音识别
        • 说话人确认、识别和分割
        • 源分离
      • 微调或使用预训练模型作为新流程的组件
        • 设置数据流程
        • 微调 ASR 模型
      • Pretrainer 类
      • 致谢
      • 引用 SpeechBrain
    • 大型数据集和共享文件系统的数据加载
      • 什么是 WebDataset？
      • 安装依赖项
      • 创建 TAR 分片
        • 下载一些数据
        • 迭代数据
      • WebDataset 与 SpeechBrain
        • 训练数据加载流程的一些更改
        • 更复杂的数据加载流程
        • 如何处理 DataLoader
      • 引用 SpeechBrain
    • 文本分词
      • 为什么我们需要分词？
      • 在 SpeechBrain 中训练 sentencepiece 分词器
        • 高级参数
      • 在 SpeechBrain 中加载预训练的 sentence piece 分词器
      • 如何使用 sentencepiece
      • 将 SpeechBrain SentencePiece 与 Pytorch 一起使用
        • 选项 1 的示例
        • 选项 2 的示例
      • 引用 SpeechBrain
    • 将量化应用于语音识别模型
      • 量化介绍
      • 量化方法
        • 动态量化
        • 静态量化
        • 比较动态量化和静态量化
      • 教程目的
      • 先决条件
        • 安装 SpeechBrain
        • 安装其他依赖项
        • 导入
        • 模型选择
        • 数据下载和预处理
      • 量化设置
        • 实用函数
        • 静态量化包装器
        • 量化函数
      • 基准测试设置
        • 词错误率 (WER)
        • 修改 EncoderASR transcribe_batch
        • 模型性能基准测试
      • 量化和基准测试
        • 选择数据
        • 原始模型
        • 量化模型
      • 引用 SpeechBrain
  • 语音预处理
    • 语音数据增强
      • 1. 速度扰动
      • 2. 时间丢弃
      • 3. 频率丢弃
      • 4. 裁剪
      • 5. 增强组合
      • 参考文献
      • 引用 SpeechBrain
    • 傅里叶变换和谱图
      • 1. 傅里叶变换
        • 直觉是什么？
      • 2. 短时傅里叶变换 (STFT)
      • 3. 谱图
      • 参考文献
      • 引用 SpeechBrain
    • 语音特征
      • 1. 滤波器组 (FBANKs)
      • 2. 梅尔频率倒谱系数 (MFCCs)
      • 3. 上下文信息
        • 3.1 导数
        • 3.2 上下文窗口
      • 4. 其他特征
      • 参考文献
      • 引用 SpeechBrain
    • 环境噪声干扰
      • 1. 加性噪声
      • 2. 混响
      • 参考文献
      • 引用 SpeechBrain
    • 多麦克风波束形成
      • 引言
        • 传播模型
        • 协方差矩阵
        • 到达时间差
        • 到达方向
        • 波束形成
      • 安装 SpeechBrain
      • 准备音频
      • 处理
        • 相位变换导向响应功率
        • 多信号分类
        • 延时求和波束形成
        • 最小方差无失真响应
        • 广义特征值波束形成
      • 引用 SpeechBrain
    • 分析用于病理学的发声特征
      • 介绍
      • 计算自相关及相关特征
      • 计算基于周期的特征
      • 逐步计算 GNE
      • PRAAT-Parselmouth
      • 与 OpenSMILE 的比较
      • 引用 SpeechBrain
  • 语音处理任务
    • 从零开始语音识别
      • 语音识别概述
        • 连接时序分类 (CTC)
        • Transducers
        • 带注意力机制的编码器-解码器 👂
        • Beamsearch
      • 安装
      • 需要哪些步骤？
        • 1. 准备数据
        • 2. 训练一个分词器
        • 3. 训练一个语言模型
        • 4. 训练语音识别器
        • 5. 使用语音识别器 (推理)
      • 步骤 1：准备数据
        • 数据清单文件
        • 准备脚本
        • 将数据复制到本地
      • 步骤 2：分词器
        • 使用字符作为词元
        • 使用单词作为词元
        • 字节对编码 (BPE) 词元
        • 训练一个分词器
      • 步骤 3：训练一个语言模型
        • 文本语料库
        • 训练一个 LM
        • 超参数
        • 实验文件
        • 步骤 4：训练基于注意力的端到端语音识别器
        • 训练语音识别器
        • 超参数
        • 实验文件
        • 为什么使用相对长度而不是绝对长度？
        • 其他方法
      • 预训练和微调
      • 步骤 5：推理
        • 利用您的自定义语音识别器
      • 自定义您的语音识别器
        • 使用您的数据进行训练
        • 使用您自己的模型进行训练
      • 结论
      • 相关教程
      • 引用 SpeechBrain
    • 语音识别评估指标
      • 词错误率 (WER)
      • 字符错误率 (CER)
      • 词性错误率 (POSER)
        • dPOSER
        • uPOSER
      • 词形错误率 (LER)
      • Embedding 错误率 (EmbER)
      • BERTScore
      • 句子语义距离：SemDist
      • 一些比较
      • 引用 SpeechBrain
    • 源分离
      • 引言
      • 一个玩具示例
      • 练习
      • 使用 speechbrain 中现有模型的声源分离示例
      • 引用 SpeechBrain
    • 从零开始语音增强
      • Train.py 中的 Recipe 概述
      • 引用 SpeechBrain
    • 从零开始语音分类
      • 模型
      • 数据
      • 代码
      • 安装
      • 需要哪些步骤？
      • 步骤 1：准备数据
        • 数据清单文件
        • 准备脚本
        • 将数据复制到本地
      • 步骤 2：训练分类器
        • 训练一个说话人识别模型
        • 超参数
        • 实验文件
      • 步骤 3：推理
        • 在您的模型上使用 EncoderClassifier 接口
      • 扩展到不同的任务
        • 使用您的数据在您的任务上进行训练
        • 使用您自己的模型进行训练
      • 结论
      • 相关教程
      • 引用 SpeechBrain
    • 语音活动检测
      • VAD 有什么用？
      • 为什么具有挑战性？
      • 流程描述
      • 训练
      • 推理
      • 推理流程 (详情)
        • 1- 后验计算
        • 2- 应用阈值
        • 3- 获取边界
        • 4- 基于能量的 VAD (可选)
        • 5- 合并相邻段
        • 6- 移除短段
        • 7- 再次检查语音段 (可选)
      • 可视化
      • 附录：关于使用基于能量的 VAD
      • 引用 SpeechBrain
  • 神经网络架构
    • 使用 SpeechBrain 和 HuggingFace 微调或使用 Whisper, wav2vec2, HuBERT 等模型
      • 先决条件
      • 来自 HuggingFace 的 Wav2Vec 2.0 和 Whisper
      • 将 Wav2Vec 2.0 和 Whisper 编码器作为您的流程块 (ASR, TIMIT)
        • 理解 yaml 参数。
      • 将 Whisper 用作完全预训练的编码器-解码器
      • 引用 SpeechBrain
    • 用于更快、低内存微调的神经网络适配器
      • 先决条件
      • 引言和背景
        • 相关参考文献
      • 太长；未读 (TL;DR)
      • 详细教程
      • 推理
      • 添加适配器
      • 训练适配后的模型
      • 自定义适配器
      • 结论
      • 引用 SpeechBrain
    • 复数和四元数神经网络
      • 先决条件
      • 引言和背景
        • 与神经网络的连接
        • 相关参考文献
      • SpeechBrain 对复数和四元数的表示
      • 复数和四元数乘积
      • 复值神经网络
        • 卷积层
        • 线性层
        • 归一化层
        • 循环神经网络
      • 四元数神经网络
        • 四元数旋量神经网络
        • 将四元数层转换为旋量层
      • 将所有内容整合！
      • 引用 SpeechBrain
    • 循环神经网络
      • 1. Vanilla RNN
      • 2. 长短期记忆 (LSTM)
      • 3. 门控循环单元 (GRUs)
      • 4. 轻量门控循环单元 (LiGRU)
      • 引用 SpeechBrain
    • 使用 Conformers 进行流式语音识别
      • 推荐的先决条件
        • 安装 SpeechBrain
      • 流式模型需要实现什么
        • 教程总结
      • Conformer 的架构更改
        • 分块注意力
        • 动态分块卷积
        • 我们没有改变什么
      • 训练策略和动态分块训练
        • 分块大小和左上下文大小影响哪些指标？
        • 如何选择分块大小？
        • 损失函数
      • 训练：使用 SpeechBrain 整合所有内容
        • 通过传递动态分块训练配置进行自动掩码
        • 对 .yaml 的更改
        • 对 train.py 的更改
      • 调试流式架构
        • 检测 NN 层中的未来依赖项
      • 推理：详细细节
        • 为推理包装特征提取器
        • 流式上下文对象
        • 流式前向方法
        • 流式分词器
        • 流式 transducer 贪婪搜索
      • 推理：StreamingASR 的实践示例
        • 从训练好的模型到 StreamingASR 超参数
        • 使用 StreamingASR 进行推理
        • ffmpeg 直播流功能
        • 手动转录分块
      • 替代方案和进一步阅读
      • 引用 SpeechBrain

技巧 & 窍门

  • 音频加载故障排除
    • 引言
    • 推荐的安装步骤
    • 给开发者的说明 & torchaudio 2.x 破坏性更改
    • 安装/故障排除后端
      • ffmpeg
      • SoundFile
      • SoX
  • 多 GPU 基础知识
    • 使用分布式数据并行 (DDP) 进行多 GPU 训练
      • 在 SpeechBrain 中编写 DDP 安全的代码
      • 单节点设置
      • 多节点设置
        • 基础知识 & 手动多节点设置
        • 使用 Slurm 进行多节点设置
    • (已弃用) 使用数据并行进行单节点多 GPU 训练

API

  • 核心库 (speechbrain)
    • speechbrain.core 模块
      • 摘要
      • 参考
        • create_experiment_directory()
        • parse_arguments()
        • Stage
        • Brain
    • speechbrain.alignment
      • speechbrain.alignment.aligner 模块
        • 摘要
        • 参考
      • speechbrain.alignment.ctc_segmentation 模块
    • speechbrain.augment
      • speechbrain.augment.augmenter 模块
        • 摘要
        • 参考
      • speechbrain.augment.codec 模块
        • 摘要
        • 参考
      • speechbrain.augment.freq_domain 模块
        • 摘要
        • 参考
      • speechbrain.augment.preparation 模块
        • 摘要
        • 参考
      • speechbrain.augment.time_domain 模块
        • 摘要
        • 参考
    • speechbrain.dataio
      • speechbrain.dataio.batch 模块
        • 摘要
        • 参考
      • speechbrain.dataio.dataio 模块
        • 摘要
        • 参考
      • speechbrain.dataio.dataloader 模块
        • 摘要
        • 参考
      • speechbrain.dataio.dataset 模块
        • 摘要
        • 参考
      • speechbrain.dataio.encoder 模块
        • 摘要
        • 参考
      • speechbrain.dataio.iterators 模块
        • 摘要
        • 参考
      • speechbrain.dataio.legacy 模块
        • 摘要
        • 参考
      • speechbrain.dataio.preprocess 模块
        • 摘要
        • 参考
      • speechbrain.dataio.sampler 模块
        • 摘要
        • 参考
      • speechbrain.dataio.wer 模块
        • 摘要
        • 参考
    • speechbrain.decoders
      • speechbrain.decoders.ctc 模块
        • 摘要
        • 参考
      • speechbrain.decoders.language_model 模块
      • speechbrain.decoders.scorer 模块
        • 摘要
        • 参考
      • speechbrain.decoders.seq2seq 模块
        • 摘要
        • 参考
      • speechbrain.decoders.transducer 模块
        • 摘要
        • 参考
      • speechbrain.decoders.utils 模块
        • 摘要
        • 参考
    • speechbrain.inference
      • speechbrain.inference.ASR 模块
        • 摘要
        • 参考
      • speechbrain.inference.SLU 模块
        • 摘要
        • 参考
      • speechbrain.inference.ST 模块
        • 摘要
        • 参考
      • speechbrain.inference.TTS 模块
        • 摘要
        • 参考
      • speechbrain.inference.VAD 模块
        • 摘要
        • 参考
      • speechbrain.inference.classifiers 模块
        • 摘要
        • 参考
      • speechbrain.inference.diarization 模块
        • 摘要
        • 参考
      • speechbrain.inference.encoders 模块
        • 摘要
        • 参考
      • speechbrain.inference.enhancement 模块
        • 摘要
        • 参考
      • speechbrain.inference.interfaces 模块
        • 摘要
        • 参考
      • speechbrain.inference.interpretability 模块
        • 摘要
        • 参考
      • speechbrain.inference.metrics 模块
        • 摘要
        • 参考
      • speechbrain.inference.separation 模块
        • 摘要
        • 参考
      • speechbrain.inference.speaker 模块
        • 摘要
        • 参考
      • speechbrain.inference.text 模块
        • 摘要
        • 参考
      • speechbrain.inference.vocoders 模块
        • 摘要
        • 参考
    • speechbrain.lm
      • speechbrain.lm.arpa 模块
        • 摘要
        • 参考
      • speechbrain.lm.counting 模块
        • 摘要
        • 参考
      • speechbrain.lm.ngram 模块
        • 摘要
        • 参考
    • speechbrain.lobes
      • speechbrain.lobes.beamform_multimic 模块
        • 摘要
        • 参考
      • speechbrain.lobes.downsampling 模块
        • 摘要
        • 参考
      • speechbrain.lobes.features 模块
        • 摘要
        • 参考
      • speechbrain.lobes.models
        • speechbrain.lobes.models.BESTRQ 模块
        • speechbrain.lobes.models.CRDNN 模块
        • speechbrain.lobes.models.Cnn14 模块
        • speechbrain.lobes.models.ContextNet 模块
        • speechbrain.lobes.models.DiffWave 模块
        • speechbrain.lobes.models.ECAPA_TDNN 模块
        • speechbrain.lobes.models.ESPnetVGG 模块
        • speechbrain.lobes.models.EnhanceResnet 模块
        • speechbrain.lobes.models.FastSpeech2 模块
        • speechbrain.lobes.models.HifiGAN 模块
        • speechbrain.lobes.models.L2I 模块
        • speechbrain.lobes.models.MSTacotron2 模块
        • speechbrain.lobes.models.MetricGAN 模块
        • speechbrain.lobes.models.MetricGAN_U 模块
        • speechbrain.lobes.models.PIQ 模块
        • speechbrain.lobes.models.RNNLM 模块
        • speechbrain.lobes.models.ResNet 模块
        • speechbrain.lobes.models.Tacotron2 模块
        • speechbrain.lobes.models.VanillaNN 模块
        • speechbrain.lobes.models.Xvector 模块
        • speechbrain.lobes.models.beats 模块
        • speechbrain.lobes.models.conv_tasnet 模块
        • speechbrain.lobes.models.convolution 模块
        • speechbrain.lobes.models.dual_path 模块
        • speechbrain.lobes.models.fairseq_wav2vec 模块
        • speechbrain.lobes.models.kmeans 模块
        • speechbrain.lobes.models.resepformer 模块
        • speechbrain.lobes.models.segan_model 模块
        • speechbrain.lobes.models.wav2vec 模块
        • speechbrain.lobes.models.discrete
        • speechbrain.lobes.models.g2p
        • speechbrain.lobes.models.transformer
    • speechbrain.nnet
      • speechbrain.nnet.CNN 模块
        • 摘要
        • 参考
      • speechbrain.nnet.RNN 模块
        • 摘要
        • 参考
      • speechbrain.nnet.activations 模块
        • 摘要
        • 参考
      • speechbrain.nnet.adapters 模块
        • 摘要
        • 参考
      • speechbrain.nnet.attention 模块
        • 摘要
        • 参考
      • speechbrain.nnet.autoencoders 模块
        • 摘要
        • 参考
      • speechbrain.nnet.containers 模块
        • 摘要
        • 参考
      • speechbrain.nnet.diffusion 模块
        • 摘要
        • 参考
      • speechbrain.nnet.dropout 模块
        • 摘要
        • 参考
      • speechbrain.nnet.embedding 模块
        • 摘要
        • 参考
      • speechbrain.nnet.hypermixing 模块
        • 摘要
        • 参考
      • speechbrain.nnet.linear 模块
        • 摘要
        • 参考
      • speechbrain.nnet.losses 模块
        • 摘要
        • 参考
      • speechbrain.nnet.normalization 模块
        • 摘要
        • 参考
      • speechbrain.nnet.pooling 模块
        • 摘要
        • 参考
      • speechbrain.nnet.quantisers 模块
        • 摘要
        • 参考
      • speechbrain.nnet.schedulers 模块
        • 摘要
        • 参考
      • speechbrain.nnet.unet 模块
        • 摘要
        • 参考
      • speechbrain.nnet.utils 模块
        • 摘要
        • 参考
      • speechbrain.nnet.complex_networks
        • speechbrain.nnet.complex_networks.c_CNN 模块
        • speechbrain.nnet.complex_networks.c_RNN 模块
        • speechbrain.nnet.complex_networks.c_linear 模块
        • speechbrain.nnet.complex_networks.c_normalization 模块
        • speechbrain.nnet.complex_networks.c_ops 模块
      • speechbrain.nnet.loss
        • speechbrain.nnet.loss.guidedattn_loss 模块
        • speechbrain.nnet.loss.si_snr_loss 模块
        • speechbrain.nnet.loss.stoi_loss 模块
        • speechbrain.nnet.loss.transducer_loss 模块
      • speechbrain.nnet.quaternion_networks
        • speechbrain.nnet.quaternion_networks.q_CNN 模块
        • speechbrain.nnet.quaternion_networks.q_RNN 模块
        • speechbrain.nnet.quaternion_networks.q_linear 模块
        • speechbrain.nnet.quaternion_networks.q_normalization 模块
        • speechbrain.nnet.quaternion_networks.q_ops 模块
        • speechbrain.nnet.quaternion_networks.q_pooling 模块
      • speechbrain.nnet.transducer
        • speechbrain.nnet.transducer.transducer_joint 模块
    • speechbrain.processing
      • speechbrain.processing.NMF 模块
        • 摘要
        • 参考
      • speechbrain.processing.PLDA_LDA 模块
        • 摘要
        • 参考
      • speechbrain.processing.decomposition 模块
        • 摘要
        • 参考
      • speechbrain.processing.diarization 模块
      • speechbrain.processing.features 模块
        • 摘要
        • 参考
      • speechbrain.processing.multi_mic 模块
        • 摘要
        • 参考
      • speechbrain.processing.signal_processing 模块
        • 摘要
        • 参考
      • speechbrain.processing.vocal_features 模块
        • 摘要
        • 参考
    • speechbrain.tokenizers
      • speechbrain.tokenizers.SentencePiece 模块
        • 摘要
        • 参考
      • speechbrain.tokenizers.discrete_SSL_tokenizer 模块
        • 摘要
        • 参考
    • speechbrain.utils
      • speechbrain.utils.Accuracy 模块
        • 摘要
        • 参考
      • speechbrain.utils.DER 模块
        • 摘要
        • 参考
      • speechbrain.utils.EDER 模块
        • 摘要
        • 参考
      • speechbrain.utils.autocast 模块
        • 摘要
        • 参考
      • speechbrain.utils.bertscore 模块
        • 摘要
        • 参考
      • speechbrain.utils.bleu 模块
      • speechbrain.utils.callchains 模块
        • 摘要
        • 参考
      • speechbrain.utils.checkpoints 模块
        • 摘要
        • 参考
      • speechbrain.utils.data_pipeline 模块
        • 摘要
        • 参考
      • speechbrain.utils.data_utils 模块
        • 摘要
        • 参考
      • speechbrain.utils.depgraph 模块
        • 摘要
        • 参考
      • speechbrain.utils.dictionaries 模块
        • 摘要
        • 参考
      • speechbrain.utils.distances 模块
        • 摘要
        • 参考
      • speechbrain.utils.distributed 模块
        • 摘要
        • 参考
      • speechbrain.utils.dynamic_chunk_training 模块
        • 摘要
        • 参考
      • speechbrain.utils.edit_distance 模块
        • 摘要
        • 参考
      • speechbrain.utils.epoch_loop 模块
        • 摘要
        • 参考
      • speechbrain.utils.fetching 模块
        • 摘要
        • 参考
      • speechbrain.utils.filter_analysis 模块
        • 摘要
        • 参考
      • speechbrain.utils.hparams 模块
        • 摘要
        • 参考
      • speechbrain.utils.hpopt 模块
        • 摘要
        • 参考
      • speechbrain.utils.importutils 模块
        • 摘要
        • 参考
      • speechbrain.utils.kmeans 模块
        • 摘要
        • 参考
      • speechbrain.utils.logger 模块
        • 摘要
        • 参考
      • speechbrain.utils.metric_stats 模块
        • 摘要
        • 参考
      • speechbrain.utils.optimizers 模块
        • 摘要
        • 参考
      • speechbrain.utils.parallel 模块
        • 摘要
        • 参考
      • speechbrain.utils.parameter_transfer 模块
        • 摘要
        • 参考
      • speechbrain.utils.pretrained 模块
        • 摘要
        • 参考
      • speechbrain.utils.profiling 模块
        • 摘要
        • 参考
      • speechbrain.utils.quirks 模块
        • 摘要
        • 参考
      • speechbrain.utils.seed 模块
        • 摘要
        • 参考
      • speechbrain.utils.semdist 模块
        • 摘要
        • 参考
      • speechbrain.utils.streaming 模块
        • 摘要
        • 参考
      • speechbrain.utils.superpowers 模块
        • 摘要
        • 参考
      • speechbrain.utils.text_to_sequence 模块
        • 摘要
        • 参考
      • speechbrain.utils.torch_audio_backend 模块
        • 作者
        • 摘要
        • 参考
      • speechbrain.utils.train_logger 模块
        • 摘要
        • 参考
    • 摘要
    • 参考
      • make_deprecated_redirections()
  • HyperPyYAML (hyperpyyaml)
    • hyperpyyaml.core 模块
      • 摘要
      • 参考
        • load_hyperpyyaml()
        • RefTag
        • Placeholder
        • dump_hyperpyyaml()
        • resolve_references()
        • deref()
        • recursive_resolve()
        • parse_arithmetic()
        • recursive_update()
    • 摘要
    • 参考
      • TestThing
        • TestThing.from_keys()
SpeechBrain
  • 搜索

© Copyright 2021, SpeechBrain.

使用 Sphinx 构建，并使用了由 Read the Docs 提供的主题。