Skip to content

Latest commit

 

History

History
98 lines (86 loc) · 3.91 KB

README_cn.md

File metadata and controls

98 lines (86 loc) · 3.91 KB

(简体中文|English) (简体中文|English)

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

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:

wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/en.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/ch_zh_mix.wav

3. 使用方法

  • 命令行 (推荐使用)

    # 中文
    paddlespeech asr --input ./zh.wav -v
    # 英文
    paddlespeech asr --model transformer_librispeech --lang en --input ./en.wav -v
    #中英混合
    paddlespeech asr --model conformer_talcs --lang zh_en --codeswitch True --input ./ch_zh_mix.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:

    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
    • codeswitch: 是否使用语言转换,默认值:False
    • 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:

    # 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

    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:

    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 语言转换 语言 采样率
conformer_wenetspeech False zh 16k
conformer_online_multicn False zh 16k
conformer_aishell False zh 16k
conformer_online_aishell False zh 16k
transformer_librispeech False en 16k
deepspeech2online_wenetspeech False zh 16k
deepspeech2offline_aishell False zh 16k
deepspeech2online_aishell False zh 16k
deepspeech2offline_librispeech False en 16k
conformer_talcs True zh_en 16k