首页 - Powered by MinDoc

ASRT语音识别工具文档
快捷链接
快速开始
关于“预训练模型”问题：
Docker部署
Star趋势
ASRT相关资源
参考引用本项目
媒体报道
联系作者及交流讨论

ASRT语音识别工具文档

Welcome to the ASRT SpeechRecognition wiki document!
欢迎来到自动语音识别工具Wiki文档！

ASRT是一个基于深度学习的语音识别工具，可以用于开发最先进的语音识别系统，是由AI柠檬博主（西安电子科技大学 · 西安市大数据与视觉智能重点实验室）从2016年起做的开源语音识别项目，基线为85%识别准确率，在某些条件下可做到95%左右的识别准确率。ASRT包含了语音识别算法服务端(用于训练或部署API服务)和多种平台及编程语言的客户端SDK，支持一句话识别和实时流式识别，相关的代码已经开源在GitHub和Gitee上。
ASRT语音识别系统的API已经为AI柠檬站内搜索引擎提供了语音识别服务，用于该站语音搜索功能的实现。

快捷链接

ASRT项目主页 | ASRT在线语音识别体验Demo | 作者及交流群联系方式

元语音研究网

快速开始

$ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git
$ cd ASRT_SpeechRecognition
$ python download_default_datalist.py
$ mkdir /data/speech_data/
# 然后下载默认的6个语音数据集放到 /data/speech_data/ 目录下并解压
# 请注意是 /data/speech_data/ 而不是 data/speech_data/，如果不懂有什么区别请先去学习Linux基础知识

# 训练
$ python3 train_speech_model.py
# 评估
$ python3 evaluate_speech_model.py
# 预测单条音频文件的语音识别文本
$ python3 predict_speech_file.py

# 开启HTTP协议API服务
$ python3 asrserver_http.py
# 测试调用HTTP协议API服务是否成功
$ python3 client_http.py
# 开启gRPC协议API服务
$ python3 asrserver_grpc.py
# 测试调用gRPC协议API服务是否成功
$ python3 client_grpc.py

更多详细步骤请查看文档：从零开始上手教程

关于“预训练模型”问题：

本项目自身不采用“预训练模型”这一说法，因为面向通用场景的语音识别在训练时由于数据集够用，并不需要迁移学习。而且由于ASRT项目的持续发展，模型配置不断迭代，不同时期版本的模型参数文件在数据维度和含义表示上是互不兼容的，不可交叉使用。但是可以下载ASRT项目作者(AI柠檬博主)已经训练并打包好的发布版成品，运行后提供API服务。

在ASRT服务端下载页面中，可下载到完整可用的，可直接运行提供语音识别API服务的打包后的文件，如果打算直接使用，可以直接下载部署使用，无需再训练。

如果有需要迁移学习的任务，比如迁移学习到其他某些特定应用场景，或者一些子任务下，请基于一个固定的发布版本进行相关工作，不应该出现混合使用不同版本下的代码、模型及权重文件等操作，否则可能会由于版本的不兼容出现运行报错(维度不匹配或依赖升级等)或识别准确率奇差(含义调整导致)的问题。

Docker部署

仅CPU运行推理识别，不作训练

$ docker pull ailemondocker/asrt_service:1.3.0
$ docker run --rm -it -p 20001:20001 -p 20002:20002 --name asrt-server -d ailemondocker/asrt_service:1.3.0