张量大小的错误 voicet5 模型 - 张量的大小必须匹配（维度 2 除外）。预期大小为 16，但张量编号 1 的大小为 256

Question

18帧 /usr/local/lib/python3.10/dist-packages/transformers/models/speecht5/modeling_speecht5.py 向前（自身，input_values，speaker_embeddings） 第700章 第701章 --> 702 输入嵌入 = torch.cat([输入嵌入, 扬声器嵌入], 暗淡=-1) 第703章 704

运行时错误：张量的大小必须匹配（维度 2 除外）。预期大小为 16，但列表中 1 号张量的大小为 256。

尝试了自定义数据集以及https://colab.research.google.com/drive/1i7I5pzBcU3WDFarDnzweIj4-sVVoIUFJ#scrollTo=87U167Vf7V5Q以及来自https://huggingface.co/datasets/facebook/voxpopuli的荷兰语数据集/viewer/cs/train?row=1。在 colab 和 jupiterlap 中都出现相同的错误

Answer 1

做同样的事情并等待答案