edgel3:从修剪的L3生成音频嵌入

edgel3 观看，收听和学习（L3）[4]音频子网产生可用于众多下游任务的通用音频表示。 但是，L3-Net Audio分别需要18 MB和12 MB的静态和动态内存，因此对于具有单个微控制器的小型边缘设备而言，这是不可行的。 [2]与L3 Audio竞争，而稀疏率为95.45％。 但是，它仍然具有很高的激活内存要求。 为了共同处理静态和动态记忆，我们引入了[1]，这是一种师生学习范例，其中训练学生音频嵌入模型以仅近似与目标数据相关的教师嵌入流形的一部分，领域。 注意数据域和数据集之间的区别。 限制对特定下游数据集的专业化将损害域内通用性。 edgel3是一个开源Python库，用于下载较小版本的L3模型并从此类模型计算深度音频嵌入。 sea模型专门用于 [5]数据域。 培训管道可以在[]找到。 所提供的sparse模型已使用两种不同的机制进行了重新训练：微调ft和知识蒸馏k