TensorFlowASR

TensorFlowASR 项目介绍

项目概述

TensorFlowASR 是一个使用 TensorFlow 2 实现自动语音识别的项目。它支持多种前沿的语音识别模型架构，如 DeepSpeech2、Jasper、RNN Transducer、ContextNet 和 Conformer 等。项目的主要特点是能够将训练好的模型转换为 TFLite 格式，以便于在内存和计算资源有限的环境中进行部署。

项目亮点

• 提供几乎最先进的自动语音识别模型。
• 支持模型的 TFLite 转换，便于在移动设备或其他资源受限的设备上使用。
• 支持多种基线模型和已发表的科学研究模型。

支持的模型

基线模型

• Transducer Models：采用 RNN Transducer 损失进行训练的端到端模型，包括 Conformer、ContextNet 和 Streaming Transducer。
• CTCModel：使用 CTC 损失进行训练的端到端模型，如 DeepSpeech2 和 Jasper。

已发表的模型

• Conformer Transducer：一种改进的 Transformer 架构，适用于语音识别。
• ContextNet：一种专门优化的模型，兼顾实时处理和高精度。
• RNN Transducer：利用循环神经网络实现的端到端转录模型。
• Deep Speech 2 和 Jasper 等经典语音识别模型。

安装指南

用户可以通过多种方式安装 TensorFlowASR，包括从源代码安装、通过 PyPi 安装以及在 Apple Sillicon 上的特殊安装步骤。推荐使用源代码安装，以获得最新的功能和模型更新。

从源代码安装

1. 克隆项目仓库：

   git clone https://github.com/TensorSpeech/TensorFlowASR.git
   cd TensorFlowASR

2. 安装所需的 Python 包：

   pip3 install ".[tf2.x]" # 或 ".[tf2.x-gpu]" 支持 GPU

通过 PyPi 安装

pip3 install "TensorFlowASR[tf2.x]" # 选择适合的安装选项

开发环境安装

适合于项目开发和贡献者：

git clone https://github.com/TensorSpeech/TensorFlowASR.git
cd TensorFlowASR
pip3 install -e ".[dev]"

训练与测试

项目提供详细的训练和测试教程，用户可以通过阅读 training 教程 和 testing 教程 来了解具体的操作步骤。

特性和功能

• 特征提取：支持多种音频特征提取技术。
• 数据增强：提供数据增强的功能，以提升模型的鲁棒性。
• TFLite 转换：模型转换后可以直接将音频信号转为文本。

数据集

项目支持多种公共语料库进行训练和评估，包括 LibriSpeech 和 Common Voice 的英语语料库，及越南语的 Vivos 和 InfoRe Technology 数据集。

贡献方式

1. Fork 此项目。
2. 建立自己的分支进行开发。
3. 发起 Pull Request 返回项目主库。

参考和联系

TensorFlowASR 借鉴了多个开源项目和文献，更多信息和学术引用可以在项目的参考部分找到。项目维护者的联系方式为 Huy Le Nguyen，电子邮件为 nlhuy.cs.16@gmail.com。