在 Hugging Face 上使用 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配方，以便快速在常见数据集上进行实验并复现论文。

在 Hub 中探索 Asteroid

您可以在模型页面左侧通过筛选找到asteroid模型。

Hub 上的所有模型都具备以下功能：

1. 自动生成的模型卡片，包含描述、训练配置、指标等内容。
2. 有助于提高可发现性并包含许可证和数据集等信息的元数据标签。
3. 一个交互式小部件，可直接在浏览器中用于体验该模型。
4. 一个用于发起推理请求的 Inference Providers 小部件。

使用现有模型

如需了解加载预训练模型的完整指南，我们建议查阅官方指南。

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

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

如果你想了解如何加载特定模型，可以单击 Use in Adapter Transformers，你将获得一个可运行的代码片段来加载该模型！

共享您的模型

目前，还没有自动将模型上传到 Hub 的方法，但上传流程已在官方指南中进行了说明。

所有配方都会创建将模型上传到 Hub 所需的全部文件。该流程通常包含以下步骤：

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 跟踪记录）。
3. 推送文件（git add + git commit + git push）。

完成此操作后，您可以直接在浏览器中试用您的模型，并与社区其他成员分享。

其他资源

• Asteroid 网站。
• Asteroid 库。
• 集成 文档。