在 Hugging Face 使用 Asteroid

asteroid 是一个用于音频源分离的 PyTorch 工具包。它支持大量数据集和用于复现论文的配方，从而能够在常见数据集上进行快速实验。

在 Hub 上探索 Asteroid

你可以通过在模型页面左侧筛选来找到 asteroid 模型。

Hub 上的所有模型都配备了以下功能：

1. 自动生成的模型卡片，包含描述、训练配置、指标等。
2. 有助于可发现性的元数据标签，包含许可证和数据集等信息。
3. 一个交互式小部件，你可以直接在浏览器中使用模型。
4. 允许进行推理请求的推理 API。

使用现有模型

有关加载预训练模型的完整指南，我们建议查看官方指南。

所有模型类（BaseModel、ConvTasNet 等）都有一个 from_pretrained 方法，允许从 Hub 加载模型。

from asteroid.models import ConvTasNet
model = ConvTasNet.from_pretrained('mpariente/ConvTasNet_WHAM_sepclean')

如果你想查看如何加载特定模型，可以点击 Use in Adapter Transformers，你将获得一个可用的代码片段来加载它！

分享你的模型

目前没有自动方法将模型上传到 Hub，但上传过程在官方指南中有文档说明。

所有配方都会创建上传模型到 Hub 所需的所有文件。该过程通常涉及以下步骤：

1. 创建并克隆模型仓库。
2. 将文件从配方输出移动到仓库（模型卡片、模型文件、TensorBoard 跟踪）。
3. 推送文件（git add + git commit + git push）。

完成此操作后，你可以直接在浏览器中试用你的模型，并与社区的其他成员分享。

其他资源

• Asteroid 网站。
• Asteroid 库。
• 集成文档。