Home

Awesome

DeepSpeech2 语音识别

License python version support os GitHub Repo stars

DeepSpeech2是基于PaddlePaddle实现的端到端自动语音识别(ASR)引擎,其论文为《Baidu's Deep Speech 2 paper》 ,本项目同时还支持各种数据增强方法,以适应不同的使用场景。支持在Windows,Linux下训练和预测,支持Nvidia Jetson等开发板推理预测,该分支为新版本,如果要使用旧版本,请查看release/1.1分支

动态图版本使用更简单,支持Deepspeech2、Conformer、Squeezeformer模型:PPASR

本项目使用的环境:

更新记录

模型下载

数据集循环神经网络的数量循环神经网络的大小错误率(贪心解码器)错误率(集束搜索解码器)下载地址
AIShell (179小时,普通话)310240.083490.05942
Librispeech (960小时,英语)310240.12490
WenetSpeech (10000小时,普通话)31024
  1. 中文的错误率为字错率(cer),英语的错误率为词错率(wer)。

文档教程

快速预测

python infer_path.py --wav_path=./dataset/test.wav

输出结果:

-----------  Configuration Arguments -----------
alpha: 1.2
beam_size: 10
beta: 0.35
cutoff_prob: 1.0
cutoff_top_n: 40
decoding_method: ctc_greedy
enable_mkldnn: False
is_long_audio: False
lang_model_path: ./lm/zh_giga.no_cna_cmn.prune01244.klm
mean_std_path: ./dataset/mean_std.npz
model_dir: ./models/infer/
to_an: True
use_gpu: True
use_tensorrt: False
vocab_path: ./dataset/zh_vocab.txt
wav_path: ./dataset/test.wav
------------------------------------------------
消耗时间:132, 识别结果: 近几年不但我用书给女儿儿压岁也劝说亲朋不要给女儿压岁钱而改送压岁书

录音测试页面

GUI界面

打赏作者

<br/> <div align="center"> <p>打赏一块钱支持一下作者</p> <img src="https://yeyupiaoling.cn/reward.png" alt="打赏作者" width="400"> </div>

相关项目