ASRT_SpeechRecognition

ASRT_SpeechRecognition 项目介绍

项目概述

ASRT是一个专为中文开发的语音识别系统，采用了深度学习技术，尤其是深度卷积神经网络(DCNN)、长短时记忆神经网络(LSTM)、注意力机制以及CTC技术。这些领先的人工智能技术共同支持了ASRT的强大性能，使其在语音识别任务中表现出色。

特点和功能

ASRT项目通过 tensorflow.keras 实现，结合了多种深度学习算法，旨在提供高效的中文语音识别能力。它能够处理最长16秒的音频输入，并生成相应的汉语拼音序列。此外，ASRT还包括一个基于概率图的最大熵隐马尔可夫模型语言模块，可以将汉语拼音序列转换为汉字文本。

软硬件需求

为了充分发挥ASRT的能力，建议的软硬件配置如下：

硬件要求

• CPU: 4核 (x86_64, amd64) 或更高
• 内存: 16 GB 及以上
• GPU: NVIDIA, 图形内存11GB+ (如1080ti 或更高)
• 存储: 至少500 GB机械硬盘或固态硬盘

软件要求

• 操作系统: Ubuntu 20.04+ / CentOS 7+（训练和推理）或 Windows 10/11（仅推理）
• Python: 3.9 - 3.11
• TensorFlow: 2.5 - 2.11

使用指南

ASRT项目可以很快地部署在Linux系统中。通过以下步骤可以快速开始：

1. 克隆项目：

   $ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git

2. 下载并解压数据集：

   $ mkdir /data/speech_data
   $ tar zxf <数据集压缩文件名> -C /data/speech_data/

3. 下载默认数据集的拼音标签文件：

   $ python download_default_datalist.py

4. 安装所需依赖库：

   $ pip install -r requirements.txt

5. 开始训练：

   $ python3 train_speech_model.py

6. 进行模型测试：

   $ python3 evaluate_speech_model.py

模型介绍

ASRT采用DCNN + CTC的模型架构，输入音频最大支持16秒，输出为汉语拼音序列。目前最好的模型在测试集上能达到85%的汉语拼音准确率，显示出其在中文语音识别领域的高效性。

数据集

ASRT系统默认支持多个中文语音数据集，如 THCHS30、ST-CMDS、AIShell-1、Primewords、MagicData 等。每个数据集都有其特定的时长和大小，用户可以根据需求选择合适的数据集。

API和SDK

ASRT提供丰富的API和SDK支持，多平台、多语言的开发者可以通过这些工具轻松集成语音识别功能。当前支持Windows、跨平台Python、Golang和Java客户端等。

社区和支持

ASRT项目拥有活跃的社区支持，如果在使用中遇到任何问题，可以通过QQ群和微信群与作者及其他开发者交流。使用者还可以查阅详尽的项目文档和常见问题解答，以解决常见的问题。

开源协议

ASRT项目遵循GPL-3.0开源许可协议，这意味着用户可以自由使用、修改和分发本项目，但需保证对其他用户也开放源代码。

通过这些详尽的信息，用户能更全面地了解ASRT项目，并通过适当的配置和使用建议，最大化地实现中文语音识别功能。ASRT不仅是科研领域的工具，也是工业应用的得力助手。