| 作者 | 艾伦爱干饭 |
|---|---|
| 爱好 | 干饭 |
| 公众号 | 待更 |
实习后对语音识别很有兴趣，加上网上资料较少，因此动手做了一个端到端的中文语音识别模型训练框架
本asr框架功能包括数据预处理、模型训练、解码、计算wer
- 提取80维fbank特征
- 标准化：计算特征的均值和方差进行标准化，加快模型收敛速度，因为计算标准化的速度较慢，已将参数放到data_file/thchs_30/stand_nor.txt文件中，可直接调用
- 一段音频，提取到的特征的数量是大于label中词的数量的，这是一个多对少的问题，而ctc-loss通过加入blank，能够解决时序类数据分类时的对齐问题
- 采用greedy search
- 下载thch_30数据集后放到data
- 根据requirement安装依赖安装包
- 在linux系统下输入以下代码，进行训练
- python --pattern train --decode greedy
- 在linux系统下输入以下代码，进行测试
- python --pattern test --decode greedy
| 模型 | 数据集 | 训练wer | 验证wer | 链接 | 备注 |
|---|---|---|---|---|---|
| bi_lstm_150_c2 | thchs_30 | 6.7% | 18.66% | https://pan.baidu.com/s/1VVavLKLeY584HudHtC5uIQ 提取码：n18y | 2层bi-lstm+ctc |
thchs_30 下载地址：http://www.openslr.org/18/
- 更新tranformer，conformer模型
- 更新其他数据集的训练方法
- 更新其他解码方法