lihanghang / CASR-DEMO

基于Flask Web的中文自动语音识别演示系统,包含语音识别、语音合成、声纹识别之说话人识别。

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

CASR-DEMO(中文自动语音识别演示系统)

ChangeLog

2024-03-31

  1. 可用功能为:说话人识别,语音识别。合成功能不可用。
  2. 重构了代码结构,最新分支为refactor/casr_demo,大家可以使用。
  3. 在Mac上做过验证。Python不低于3.8.
  4. 测试发现,有些关于语音的包安装可能不会直接成功,但是只要Google下就能解决。

启动方式

conda create -n casr python==3.12
pip install -r requirements.txt
python src/manage.py

关于本项目的一些说明

首先,欢迎大家关注项目,进行学习研究。收到一些小伙伴的问题我就集中回答下,这里是demo的源码、有两个版本其一是名为speech_env,这是一个简单的语音识别功能,界面如下面的效果图一;还有一个是V2.0的目录,这个版本功能比较齐全,界面如效果图二。大家感兴趣在自己机器上试试的话我推荐直接使用v2.0版本,还有一点项目只在win10平台上测试过,其他不保证能不能运行。由于月久失更,有些依赖包可能需要修改,不过应该都是小问题,根据实际过程的报错信息修复就行。再次感谢大家的关注!


最新整理了两个版本的发布版

speech_env(效果图一)

效果图1

speechV2.0 基于第三方接口实现语音识别和语音合成、说话人识别功能(效果图二)

效果图2


E-mail: hanghangli@aliyun.com wiki: http://wiki.lihanghang.top
Updated on December 25,2019.

About

基于Flask Web的中文自动语音识别演示系统,包含语音识别、语音合成、声纹识别之说话人识别。


Languages

Language:CSS 56.9%Language:JavaScript 38.1%Language:HTML 2.5%Language:Python 2.4%