基于 TensorFlow Lite 的 Android 端中文语音识别 Demo。
声学模型来源于:ASRT_SpeechRecognition
使用的模型版本:ASRT version 0.4.2 released
-
MainActivity
为 Android 程序入口,初始化 UI 控件与其监听函数所在,肩负生成 TensorFlowInferenceInterface 对象与读取标签文件列表的任务、避免重复读取文件。 -
DreamCarcher
调用网络开源 api、其中通过 Android 官方提供的 AudioCapturer 提供录音功能与文件流,默认地将语音数据保存至手机指定目录下 farewell.wav 处。 -
Chain
调用 InitialDream 类的对象以获取处理好的语音数据,输入模型以得到返还的概率矩阵,通过 Argmax 函数识别出拼音序列下标后,传入标签文件列表得到最终结果,返还给 MainActivity 的 TextView 控件以显示于应用界面。 -
InitialDream
为数据读取与处理功能提供支持,在 Chian 的预测函数启动时会自动地初始化并运行,内部实现对 Wave 文件的读取、对其数据进行加窗处理,最终生成模型所需识别输入的操作。 -
AnnaUtil
包含 4 种静态变量与 4 种静态函数,前者用于提供录音标准帧速率与文件路径,后者包含对复数求模、对数组求 log(n+1),整型数据转浮点数和一维数组内求 Max 数值下标,协助上述各类进行工作。
通过下拉控件可选择测试已存在的 thchs30 train/test 数据集文件,用于数据集测试的 wave 文件需要手动放置于手机指定目录(也可使用其它语音文件,请依照 AnnaUtil 内变量修改语音文件名/修改功能对应变量)。
测试语句将显示范例句、识别结果并提供错误率检测;实时录音仅显示识别结果。
按 START 按钮开始测试,按 STOP 按钮结束录音、查看语音识别结果,按 PLAY 按钮播放对应语音文件。
- 该项目存在许多功能性与代码书写规范问题
不支持识别时长过长(>1600)的语音数据。
暂无拼音译为汉字功能,需要语言模型模块。
生成 TensorFlowInferenceInterface 对象与读取标签文件列表的任务,应当交由单独的类来处理。