ASRT是一个基于深度学习的中文语音识别系统，如果您觉得喜欢，请点一个 "Star" 吧~
ReadMe Language | 中文版 | English |
ASRT项目主页 | 发布版下载 | 查看本项目的Wiki文档 | 实用效果体验Demo | 打赏作者
如果程序运行期间或使用中有什么问题，可以及时在issue中提出来，我将尽快做出答复。本项目作者交流QQ群：894112051
提问前请仔细查看项目文档、 FAQ常见问题 以及Issues 避免重复提问
以下问题AI柠檬博主和群友可能会拒绝回答，包括但不限于：
- 询问已经写在 ASRT语音识别项目文档 和 Issues 上解决过的已知重复问题。
- 找不到重点、不知所云的提问内容，但是不给出任何其他信息。
- 跟ASRT项目没有直接相关的问题
- “伸手党”类的问题
请注意，开发者并没有义务回复您的问题，也没用义务免费给你打工，您应该具备基本的提问技巧，并善用搜索引擎，
每个人的时间都是宝贵的。
有关AI柠檬ASRT语音项目的相关信息亦可使用AI柠檬站内搜索引擎进行相关信息的搜索。
ASRT的原理请查看本文：
ASRT训练和部署教程请看：
关于经常被问到的统计语言模型原理的问题，请看：
关于CTC的问题请看：
更多内容请访问作者的博客：AI柠檬博客
或使用AI柠檬站内搜索引擎进行相关信息的搜索
本项目使用tensorFlow.keras基于深度卷积神经网络和长短时记忆神经网络、注意力机制以及CTC实现。
This project uses tensorFlow.keras based on deep convolutional neural network and long-short memory neural network, attention mechanism and CTC to implement.
- 操作步骤
首先通过Git将本项目克隆到您的计算机上，然后下载本项目训练所需要的数据集，下载链接详见文档末尾部分。
$ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git或者您也可以通过 "Fork" 按钮，将本项目Copy一份副本，然后通过您自己的SSH密钥克隆到本地。
通过git克隆仓库以后，进入项目根目录；并创建一个存储数据的子目录， 例如 dataset/ (可使用软链接代替)，然后将下载好的数据集直接解压进去
注意，当前版本中，在配置文件里，默认添加了Thchs30和ST-CMDS两个数据集，如果不需要请自行删除。如果要使用其他数据集需要自行添加数据配置，并提前使用ASRT支持的标准格式整理数据。
$ cd ASRT_SpeechRecognition
$ mkdir /data/speech_data
$ tar zxf <数据集压缩文件名> -C /data/speech_data/ 下载默认数据集的拼音标签文件：
$ python download_default_datalist.py目前可用的模型有24、25和251
运行本项目之前，请安装必要的Python3版依赖库
本项目开始训练请执行：
$ python3 train_speech_model.py本项目开始测试请执行：
$ python3 evaluate_speech_model.py测试之前，请确保代码中填写的模型文件路径存在。
ASRT API服务器启动请执行：
$ python3 asrserver.py请注意，开启API服务器之后，需要使用本ASRT项目对应的客户端软件来进行语音识别，详见Wiki文档下载ASRT语音识别客户端Demo。
如果要训练和使用非251版模型，请在代码中 import speech_model_zoo 的相应位置做修改。
使用docker直接部署ASRT：
$ docker pull ailemondocker/asrt_service:1.1.0
$ docker run --rm -it -p 20000:20000 --name asrt-server -d ailemondocker/asrt_service:1.1.0仅CPU运行推理识别，不作训练
CNN/LSTM/GRU + CTC
其中，输入的音频的最大时间长度为16秒，输出为对应的汉语拼音序列
- 关于下载已经训练好的模型的问题
已经训练好的模型包含在发布版服务端程序压缩包里面，发布版成品服务端程序可以在此下载：ASRT下载页面。
Github本仓库下Releases页面里面还包括各个不同版本的介绍信息，每个版本下方的zip压缩包也是包含已经训练好的模型的发布版服务端程序压缩包。
基于概率图的最大熵隐马尔可夫模型
输入为汉语拼音序列，输出为对应的汉字文本
当前，最好的模型在测试集上基本能达到80%的汉语拼音正确率
不过由于目前国际和国内的部分团队能做到98%，所以正确率仍有待于进一步提高
Python的依赖库
- tensorFlow (1.15 - 2.x)
- numpy
- wave
- matplotlib
- math
- scipy
- requests
不会安装环境的同学请直接运行以下命令(前提是有GPU且已经安装好 CUDA 11.2 和 cudnn 8.1)：
$ pip install -r requirements.txt-
清华大学THCHS30中文语音数据集
data_thchs30.tgz OpenSLR国内镜像 OpenSLR国外镜像
test-noise.tgz OpenSLR国内镜像 OpenSLR国外镜像
resource.tgz OpenSLR国内镜像 OpenSLR国外镜像
-
Free ST Chinese Mandarin Corpus
ST-CMDS-20170001_1-OS.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
-
AIShell-1 开源版数据集
data_aishell.tgz OpenSLR国内镜像 OpenSLR国外镜像
注：数据集解压方法
$ tar xzf data_aishell.tgz $ cd data_aishell/wav $ for tar in *.tar.gz; do tar xvf $tar; done -
Primewords Chinese Corpus Set 1
primewords_md_2018_set1.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
-
aidatatang_200zh
aidatatang_200zh.tgz OpenSLR国内镜像 OpenSLR国外镜像
-
MagicData
train_set.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
dev_set.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
test_set.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
metadata.tar.gz OpenSLR国内镜像 OpenSLR国外镜像
特别鸣谢！感谢前辈们的公开语音数据集
如果提供的数据集链接无法打开和下载，请点击该链接 OpenSLR
@nl8590687 (repo owner)