/Chinese_speech_recognition

中文语音识别，windows可用，准确率相对较高，无需配置gpu

Primary LanguagePythonMIT LicenseMIT

Chinese_speech_recognition 中文语音识别

windows可用，准确率相对较高。

环境配置

推荐使用python venv或conda，本人使用conda

  • Python 3.7.7
  • conda 4.8.3
  • pip 21.0.1

使用方法

  1. git clone至本地
  2. cd Chinese_speech_recognition
  3. pip install -r requirements.txt
  4. python demo.py
  • demo.py是实时录音，
  • recording_recognition.py是识别已有录音，在此项目中是temp.wav，
  • 对于已有录音的识别，要求音频为wav文件，且采样率为16000（亲测声道数为2不会出问题）。

参数调整

若想调整一些录音时的参数，可以对在model/models/record_speech()中做如下修改：

  • 更改录音时长，参数为record_speech(time = 5) int型
  • 更改保存的wav音频文件名称，参数为record_speech(filename="temp.wav") str型
  • 更改保存的wav音频文件路径，参数为record_speech(filepath="") str型
  • 更改设备配置，参数为record_speech(device='cpu') str型，目前只有用cpu的
  • 更改语义模型，参数为record_speech(pt="sp_model.pt") str型

与github其他项目相比的优势

尝试过一些github上其他的语音识别项目，如MASR、ASRT等，但由于ctcdecode在windows上的使用非常之麻烦，且使用虚拟机如WSL之类又较为费时，因此体验较差。除此之外，不是每台设备都有强大的GPU，但每台设备都有CPU，因此此项目的适用性非常广泛，但凡你的CPU不是古董，都可以使用此项目进行较为舒爽的语音识别体验，对一些语音识别不是特别严苛的工业项目也可以使用，且项目存在优化空间。

优化

  • 可以对model/models.py进行逻辑上的调整；
  • 有关于SentencePiece令牌生成器，可以训练更好的SentencePiece模型，具体参照TORCHTEXT.DATA.FUNCTIONAL。