语音识别

介绍

语音识别是一项用计算机程序自动转录语音的技术。

这个 demo 是一个从给定音频文件识别文本的实现，它可以通过使用 PaddleSpeech 的单个命令或 python 中的几行代码来实现。

使用方法

1. 安装

请看安装文档。

你可以从 easy，medium，hard 三中方式中选择一种方式安装。

2. 准备输入

这个 demo 的输入应该是一个 WAV 文件（.wav），并且采样率必须与模型的采样率相同。

可以下载此 demo 的示例音频：

wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/en.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/ch_zh_mix.wav

3. 使用方法

命令行 (推荐使用)
```
# 中文
paddlespeech asr --input ./zh.wav -v
# 英文
paddlespeech asr --model transformer_librispeech --lang en --input ./en.wav -v
#中英混合
paddlespeech asr --model conformer_talcs --lang zh_en --codeswitch True --input ./ch_zh_mix.wav -v 
# 中文 + 标点恢复
paddlespeech asr --input ./zh.wav -v | paddlespeech text --task punc -v
```
(如果不想显示 log 信息，可以不使用"-v", 另外如果显示 paddlespeech-ctcdecoders 这个 python 包没有找到的 Error，没有关系，这个包是非必须的。)

使用方法：
```
paddlespeech asr --help
```
参数：
- input(必须输入)：用于识别的音频文件。
- model：ASR 任务的模型，默认值：conformer_wenetspeech。
- lang：模型语言，默认值：zh。
- codeswitch: 是否使用语言转换，默认值：False。
- sample_rate：音频采样率，默认值：16000。
- config：ASR 任务的参数文件，若不设置则使用预训练模型中的默认配置，默认值：None。
- ckpt_path：模型参数文件，若不设置则下载预训练模型使用，默认值：None。
- yes；不需要设置额外的参数，一旦设置了该参数，说明你默认同意程序的所有请求，其中包括自动转换输入音频的采样率。默认值：False。
- device：执行预测的设备，默认值：当前系统下 paddlepaddle 的默认 device。
- verbose: 如果使用，显示 logger 信息。
输出：
```
# 中文
[2021-12-08 13:12:34,063] [    INFO] [utils.py] [L225] - ASR Result: 我认为跑步最重要的就是给我带来了身体健康
# 英文
[2022-01-12 11:51:10,815] [    INFO] - ASR Result: i knocked at the door on the ancient side of the building
```

Python API

import paddle
from paddlespeech.cli.asr import ASRExecutor

asr_executor = ASRExecutor()
text = asr_executor(
    model='conformer_wenetspeech',
    lang='zh',
    sample_rate=16000,
    config=None,  # Set `config` and `ckpt_path` to None to use pretrained model.
    ckpt_path=None,
    audio_file='./zh.wav',
    force_yes=False,
    device=paddle.get_device())
print('ASR Result: \n{}'.format(text))

输出：

ASR Result:
我认为跑步最重要的就是给我带来了身体健康

4.预训练模型

以下是 PaddleSpeech 提供的可以被命令行和 python API 使用的预训练模型列表：

模型	语言转换	语言	采样率
conformer_wenetspeech	False	zh	16k
conformer_online_multicn	False	zh	16k
conformer_aishell	False	zh	16k
conformer_online_aishell	False	zh	16k
transformer_librispeech	False	en	16k
deepspeech2online_wenetspeech	False	zh	16k
deepspeech2offline_aishell	False	zh	16k
deepspeech2online_aishell	False	zh	16k
deepspeech2offline_librispeech	False	en	16k
conformer_talcs	True	zh_en	16k

3.9 KiB Raw Permalink Blame History Unescape Escape