提取自动语音识别（TensorFlow）
automatic-speech-recognition的Python项目详细描述
自动语音识别
本课题的目的是提取语音自动识别的研究。
开始时，可以使用预先训练的模型加载一个随时可用的管道。
从eagerTensorFlow 2.0中获益，并自由监控模型权重、激活或渐变。在
importautomatic_speech_recognitionasasrfile='to/test/sample.wav'# sample rate 16 kHz, and 16 bit depthsample=asr.utils.read_audio(file)pipeline=asr.load('deepspeech2',lang='en')pipeline.model.summary()# TensorFlow modelsentences=pipeline.predict([sample])
我们支持英语（感谢Open Seq2Seq）。 英语基准测试LibriSpeech dev clean的评估结果如下表所示。 作为参考，DeepSpeech（Mozilla）的WER约为7.5%，而最先进的（RWTH亚琛大学）则为2.3% （最近的评估结果可以找到here）。 它们都使用外部语言模型来提高结果。 相比之下，humans达到5.83%here（LibriSpeech dev clean）
| Model Name | Decoder | WER-dev |
|---|---|---|
| ^{ | greedy | 6.71 |
很快就会发现，您需要稍微调整一下管道。 看看CTC Pipeline。 管道负责连接一个神经网络模型 所有非差分变换（特征提取或预测解码）。 管道组件是独立的。 您可以根据需要调整它们，例如使用更复杂的特征提取， 不同的数据扩充，或添加语言模型解码器（静态n-gram或巨型变形金刚）。 您可以更像使用Strategy分发培训， 或者尝试使用mixed precision策略。在
^{pr2}$
安装
您可以使用pip：
pip install automatic-speech-recognition
否则，请克隆代码并通过conda创建新环境：
git clone https://github.com/rolczynski/Automatic-Speech-Recognition.git conda env create -f=environment.yml # or use: environment-gpu.yml conda activate Automatic-Speech-Recognition
参考文献
基础知识库：
- 百度-DeepSpeech2 - A PaddlePaddle implementation of DeepSpeech2 architecture for ASR
- 英伟达-Toolkit for efficient experimentation with Speech Recognition, Text2Speech and NLP
- {亚琛大学
- 张量流-The implementation of DeepSpeech2 model
- Mozilla-DeepSpeech - A TensorFlow implementation of Baidu's DeepSpeech architecture
- Espnet-End-to-End Speech Processing Toolkit
- 肖恩·纳伦-Speech Recognition using DeepSpeech2
此外，您可以使用一些关键短语来探索GitHub，比如ASR、DeepSpeech或{
- 项目
标签：
欢迎加入QQ群-->： 979659372
