55 lines
1.3 KiB
YAML
55 lines
1.3 KiB
YAML
# 数据集参数
|
||
dataset_conf:
|
||
# 训练的批量大小
|
||
batch_size: 256
|
||
# 说话人数量，即分类大小
|
||
num_speakers: 3242
|
||
# 读取数据的线程数量
|
||
num_workers: 12
|
||
# 过滤最短的音频长度
|
||
min_duration: 0.5
|
||
# 最长的音频长度，大于这个长度会裁剪掉
|
||
max_duration: 6
|
||
# 是否裁剪静音片段
|
||
do_vad: False
|
||
# 音频的采样率
|
||
sample_rate: 16000
|
||
# 是否对音频进行音量归一化
|
||
use_dB_normalization: False
|
||
# 对音频进行音量归一化的音量分贝值
|
||
target_dB: -20
|
||
# 训练数据的数据列表路径
|
||
train_list: 'dataset/train_list.txt'
|
||
# 测试数据的数据列表路径
|
||
test_list: 'dataset/test_list.txt'
|
||
# 标签列表
|
||
label_list_path: 'dataset/label_list.txt'
|
||
|
||
# 数据预处理参数
|
||
preprocess_conf:
|
||
# 音频预处理方法，支持：MelSpectrogram、Spectrogram、MFCC、Fbank
|
||
feature_method: 'Fbank'
|
||
|
||
feature_conf:
|
||
sample_frequency: 16000
|
||
num_mel_bins: 80
|
||
|
||
optimizer_conf:
|
||
# 优化方法，支持Adam、AdamW、SGD
|
||
optimizer: 'Adam'
|
||
# 初始学习率的大小
|
||
learning_rate: 0.001
|
||
weight_decay: 1e-6
|
||
|
||
model_conf:
|
||
embd_dim: 192
|
||
channels: 512
|
||
|
||
train_conf:
|
||
# 训练的轮数
|
||
max_epoch: 30
|
||
log_interval: 100
|
||
|
||
# 所使用的模型
|
||
use_model: 'ecapa_tdnn'
|