2.7 KiB
(简体中文|English)
定制化语音识别演示
介绍
在一些场景中，识别系统需要高精度的识别一些稀有词，例如导航软件中地名识别。而通过定制化识别可以满足这一需求。
这个 demo 是打车报销单的场景识别，需要识别一些稀有的地名，可以通过如下操作实现。
相关脚本:https://github.com/PaddlePaddle/PaddleSpeech/tree/develop/speechx/examples/custom_asr
-
G with slot: 打车到 "address_slot"。
-
这是 address slot wfst, 可以添加一些需要识别的地名.
-
通过 replace 操作, G = fstreplace(G_with_slot, address_slot), 最终可以得到定制化的解码图。
使用方法
1. 配置环境
安装paddle:2.2.2 docker镜像。
sudo docker pull registry.baidubce.com/paddlepaddle/paddle:2.2.2
sudo docker run --privileged --net=host --ipc=host -it --rm -v $PWD:/paddle --name=paddle_demo_docker registry.baidubce.com/paddlepaddle/paddle:2.2.2 /bin/bash
2. 演示
- 运行如下命令，完成相关资源和库的下载和服务启动。
cd /paddle
bash websocket_server.sh
上面脚本完成了如下两个功能：
-
完成 resource.tar.gz 下载，解压后,会在 resource 中发现如下目录：
model: 声学模型
graph: 解码构图
lib: 相关库
bin: 运行程序
data: 语音数据 -
通过 websocket_server_main 来启动服务。 这里简单的介绍几个参数:
port 是服务端口，
graph_path 用来指定解码图文件，
其他参数说明可参见代码：
PaddleSpeech/speechx/speechx/decoder/param.h
PaddleSpeech/speechx/examples/ds2_ol/websocket/websocket_server_main.cc
- 在另一个终端中， 通过 client 发送数据，得到结果。运行如下命令：
bash websocket_client.sh
通过 websocket_client_main 来启动 client 服务，其中 wav_scp 是发送的语音句子集合，port 为服务端口。
- 结果： client 的 log 中可以看到如下类似的结果
0513 10:58:13.827821 41768 recognizer_test_main.cc:56] wav len (sample): 70208
I0513 10:58:13.884493 41768 feature_cache.h:52] set finished
I0513 10:58:24.247171 41768 paddle_nnet.h:76] Tensor neml: 10240
I0513 10:58:24.247249 41768 paddle_nnet.h:76] Tensor neml: 10240
LOG ([5.5.544~2-f21d7]:main():decoder/recognizer_test_main.cc:90) the result of case_10 is 五月十二日二十二点三十六分加班打车回家四十一元