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。
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。
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
-
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
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 |