|
|
(简体中文|[English](./README.md))
|
|
|
|
|
|
# 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](https://github.com/PaddlePaddle/PaddleSpeech/blob/develop/docs/source/install_cn.md)。
|
|
|
|
|
|
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：
|
|
|
```bash
|
|
|
wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/en.wav
|
|
|
```
|
|
|
### 3. 使用方法
|
|
|
- 命令行 (推荐使用)
|
|
|
```bash
|
|
|
# 中文
|
|
|
paddlespeech asr --input ./zh.wav -v
|
|
|
# 英文
|
|
|
paddlespeech asr --model transformer_librispeech --lang en --input ./en.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：
|
|
|
```bash
|
|
|
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`。
|
|
|
- `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：
|
|
|
```bash
|
|
|
# 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
|
|
|
```python
|
|
|
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：
|
|
|
```bash
|
|
|
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 | 采样率
|
|
|
| :--- | :---: | :---: |
|
|
|
| conformer_wenetspeech | zh | 16k
|
|
|
| conformer_online_multicn | zh | 16k
|
|
|
| conformer_aishell | zh | 16k
|
|
|
| conformer_online_aishell | zh | 16k
|
|
|
| transformer_librispeech | en | 16k
|
|
|
| deepspeech2online_wenetspeech | zh | 16k
|
|
|
| deepspeech2offline_aishell| zh| 16k
|
|
|
| deepspeech2online_aishell | zh | 16k
|
|
|
| deepspeech2offline_librispeech | en | 16k
|
