Hugging Face'te SpeechBrain Kullanımı

speechbrain, ses/ses işleme için açık kaynaklı ve kapsamlı bir konuşma araç setidir. Amaç, ses tanıma, konuşmacı tanıma, ses iyileştirme, ses ayrıştırma, dil tanımlama, çok mikrofonlu sinyal işleme ve daha pek çok sistem dahil olmak üzere, son teknoloji ses teknolojilerini kolayca geliştirmek için kullanılabilecek tek, esnek ve kullanıcı dostu bir araç seti oluşturmaktır.

Hub'da SpeechBrain'i Keşfetme

modeller sayfasının sol tarafında filtreleyerek speechbrain modellerini bulabilirsiniz.

Hub'daki tüm modeller aşağıdaki özelliklerle birlikte gelir:

1. Kısa bir açıklamaya sahip otomatik olarak oluşturulmuş bir model kartı.
2. Dil, lisans, makale gibi bilgilerle keşfedilebilirliği artıran meta etiketler.
3. Modeli doğrudan tarayıcıda denemeniz için kullanabileceğiniz etkileşimli bir widget.
4. Çıkarım istekleri yapmanıza olanak tanıyan bir Inference Providers widget'ı.

Mevcut modelleri kullanma

speechbrain, EncoderClassifier, EncoderClassifier, SepformerSeparation ve SpectralMaskEnhancement gibi farklı görevler için önceden eğitilmiş modelleri yönetmek üzere farklı arayüzler sunar. Bu sınıflar, Hub'dan bir model yüklemek için kullanabileceğiniz bir from_hparams yöntemine sahiptir.

Şehir seslerinde ses tanıma için çıkarım (inference) çalıştırmaya dair bir örnek aşağıda verilmiştir.

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')

Belirli bir modelin nasıl yükleneceğini görmek istiyorsanız, Use in speechbrain bağlantısına tıklayabilir ve modeli yüklemek için kullanabileceğiniz çalışan bir kod parçası alabilirsiniz!

Ek kaynaklar

• SpeechBrain web sitesi.
• SpeechBrain belgeleri.