游雁
2023-03-31 4ba1011b42e041ee1d71448eefd7ef2e7bd61bb6
funasr/export/models/encoder/sanm_encoder.py
@@ -151,12 +151,7 @@
    
    def prepare_mask(self, mask, sub_masks):
        mask_3d_btd = mask[:, :, None]
        # sub_masks = subsequent_mask(mask.size(-1)).type(torch.float32)
        if len(mask.shape) == 2:
            mask_4d_bhlt = 1 - sub_masks[:, None, None, :]
        elif len(mask.shape) == 3:
            mask_4d_bhlt = 1 - sub_masks[:, None, :]
        mask_4d_bhlt = mask_4d_bhlt * -10000.0
        mask_4d_bhlt = (1 - sub_masks) * -10000.0
        
        return mask_3d_btd, mask_4d_bhlt
    
@@ -169,6 +164,7 @@
        speech = speech * self._output_size ** 0.5
        mask = self.make_pad_mask(speech_lengths)
        mask = self.prepare_mask(mask, sub_masks)
        vad_mask = self.prepare_mask(mask, vad_mask)
        if self.embed is None:
            xs_pad = speech
        else:
@@ -180,7 +176,7 @@
        # encoder_outs = self.model.encoders(xs_pad, mask)
        for layer_idx, encoder_layer in enumerate(self.model.encoders):
            if layer_idx == len(self.model.encoders) - 1:
                mask = (mask[0], vad_mask)
                mask = vad_mask
            encoder_outs = encoder_layer(xs_pad, mask)
            xs_pad, masks = encoder_outs[0], encoder_outs[1]