Skip to content

Latest commit

 

History

History
153 lines (104 loc) · 4.27 KB

README.md

File metadata and controls

153 lines (104 loc) · 4.27 KB
Raw

deepspeech2_librispeech

模型名称 deepspeech2_librispeech
类别 语音-语音识别
网络 DeepSpeech2
数据集 LibriSpeech
是否支持Fine-tuning 否
模型大小 518MB
最新更新日期 2021-10-20
数据指标 英文WER 0.072

一、模型基本信息

模型介绍

DeepSpeech2是百度于2015年提出的适用于英文和中文的end-to-end语音识别模型。deepspeech2_librispeech使用了DeepSpeech2离线模型的结构，模型主要由2层卷积网络和3层GRU组成，并在英文开源语音数据集LibriSpeech ASR corpus进行了预训练，该模型在其测试集上的WER指标是0.072。


更多详情请参考Deep Speech 2: End-to-End Speech Recognition in English and Mandarin

二、安装

  • 1、系统依赖

    • libsndfile, swig >= 3.0
      • Linux 
        $ sudo apt-get install libsndfile swig
or
$ sudo yum install libsndfile swig
      • MacOs 
        $ brew install libsndfile swig

  • 2、环境依赖

    • swig_decoder:

      git clone https://github.com/paddlepaddle/deepspeech && cd DeepSpeech && git reset --hard b53171694e7b87abe7ea96870b2f4d8e0e2b1485 && cd deepspeech/decoders/ctcdecoder/swig && sh setup.sh

    • paddlepaddle >= 2.1.0

    • paddlehub >= 2.1.0 | 如何安装PaddleHub

  • 3、安装

三、模型API预测

  • 1、预测代码示例

    import paddlehub as hub

# 采样率为16k，格式为wav的英文语音音频
wav_file = '/PATH/TO/AUDIO'

model = hub.Module(
    name='deepspeech2_librispeech',
    version='1.0.0')
text = model.speech_recognize(wav_file)

print(text)

  • 2、API

    • def check_audio(audio_file)

      • 检查输入音频格式和采样率是否满足为16000

      • 参数

        • audio_file：本地音频文件(*.wav)的路径，如/path/to/input.wav
    • def speech_recognize(
    audio_file,
    device='cpu',
)

      • 将输入的音频识别成文字

      • 参数

        • audio_file：本地音频文件(*.wav)的路径，如/path/to/input.wav
        • device：预测时使用的设备，默认为�cpu，如需使用gpu预测，请设置为gpu。

      • 返回

        • text：str类型，返回输入音频的识别文字结果。

四、服务部署

  • PaddleHub Serving可以部署一个在线的语音识别服务。

  • 第一步：启动PaddleHub Serving

    • $ hub serving start -m deepspeech2_librispeech

    • 这样就完成了一个语音识别服务化API的部署，默认端口号为8866。

    • NOTE: 如使用GPU预测，则需要在启动服务之前，请设置CUDA_VISIBLE_DEVICES环境变量，否则不用设置。

  • 第二步：发送预测请求

    • 配置好服务端，以下数行代码即可实现发送预测请求，获取预测结果

    • import requests
import json

# 需要识别的音频的存放路径，确保部署服务的机器可访问
file = '/path/to/input.wav'

# 以key的方式指定text传入预测方法的时的参数，此例中为"audio_file"
data = {"audio_file": file}

# 发送post请求，content-type类型应指定json方式，url中的ip地址需改为对应机器的ip
url = "http://127.0.0.1:8866/predict/deepspeech2_librispeech"

# 指定post请求的headers为application/json方式
headers = {"Content-Type": "application/json"}

r = requests.post(url=url, headers=headers, data=json.dumps(data))
print(r.json())

五、更新历史

  • 1.0.0

    初始发布

    $ hub install deepspeech2_librispeech