Gcf (#1605)

gaochangfeng

2024-04-10 851e3e3ef83d0769d9bde172d8841f6b20e3e377

 funasr/models/sense_voice/whisper_lib/decoding.py

@@ -10,6 +10,8 @@
from .audio import CHUNK_LENGTH
from .tokenizer import Tokenizer, get_tokenizer
from .utils import compression_ratio
from funasr.models.transformer.utils.nets_utils import to_device


if TYPE_CHECKING:
    from .model import Whisper
@@ -58,6 +60,10 @@
    # x = torch.tensor([[tokenizer.sot]] * n_audio).to(mel.device)  # [n_audio, 1]
    if x is None:
        x = torch.tensor([tokenizer.encode(initial_prompt, allowed_special="all")] * n_audio).to(mel.device)  # [n_audio, 1]

    else:
        x = x.to(mel.device)

    logits = model.logits(x[:,:-1], mel)[:, -1]
    # collect detected languages; suppress all non-language tokens
    mask = torch.ones(logits.shape[-1], dtype=torch.bool)