Uso de SpeechBrain en Hugging Face

speechbrain es un kit de herramientas conversacional de código abierto y todo en uno para audio/voz. El objetivo es crear un único kit de herramientas flexible y fácil de usar que permita desarrollar con facilidad tecnologías de voz de última generación, incluidos sistemas para reconocimiento de voz, reconocimiento de hablantes, mejora de voz, separación de voz, identificación de idioma, procesamiento de señales de micrófonos múltiples y muchos otros.

Explorando SpeechBrain en el Hub

Puedes encontrar modelos de speechbrain filtrando a la izquierda de la página de modelos.

Todos los modelos del Hub incluyen las siguientes características:

1. Una tarjeta de modelo generada automáticamente con una breve descripción.
2. Etiquetas de metadatos que facilitan la descubribilidad con información como el idioma, la licencia, el artículo y más.
3. Un widget interactivo que puedes usar para experimentar con el modelo directamente en el navegador.
4. Un widget de Inference Providers que permite realizar solicitudes de inferencia.

Uso de modelos existentes

speechbrain ofrece diferentes interfaces para gestionar modelos preentrenados para distintas tareas, como EncoderClassifier, EncoderClassifier, SepformerSeparation y SpectralMaskEnhancement. Estas clases tienen un método from_hparams que puedes usar para cargar un modelo desde el Hub

Aquí hay un ejemplo para ejecutar la inferencia para el reconocimiento de sonidos en sonidos urbanos.

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')

Si quieres ver cómo cargar un modelo específico, puedes hacer clic en Use in speechbrain y se te proporcionará un fragmento de código funcional para cargarlo.

Recursos adicionales

• Sitio web de SpeechBrain website.
• Documentación de SpeechBrain docs.