duj12 / vad_asr

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

vad_asr

使用说明

0. 环境搭建

如果是linux平台,先创建一个python环境,运行

git clone http://git.xmov.ai/dujing/vad-asr.git
cd vad-asr
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

如果是windows平台,可以先点击 https://git.xmov.ai/dujing/vad-asr/-/releases 下载最新版压缩包,直接解压后进入到压缩包文件夹,键盘shift+鼠标右键,打开linux shell(需要先安装wsl(https://learn.microsoft.com/zh-cn/windows/wsl/install))

然后创建一个python环境,运行

conda create -n asr python==3.9
conda activate asr
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

已经创建好了环境,只激活环境即可

conda activate asr

1. 数据准备

创建data/input文件夹(默认输入音频路径),将原始需要切分的长音频放置到此文件夹下

根据音频内容修改热词列表文件hotwords.txt,可以略微改善热词识别效果

2. 切句和解码

运行

./run_vad_asr.sh

即可进行切句和解码。

img_1.png

可根据需要修改run_vad_asr.sh的参数,默认是添加标点,不使用GPU解码。

其他高级参数需要到vad_cut(4asr).py和infer.sh(py)里面去修改。使用CPU时默认的最大线程数是32,使用GPU时解码的默认batch_size是64。

3. 输出数据

在data/output下可以得到切分后音频路径wav.scp,以及对应的转写结果asr.txt

About


Languages

Language:Python 89.1%Language:Perl 5.7%Language:Shell 5.2%