wenet: WeNet 是一款面向工业落地应用的语音识别工具包，提供了从语音识别模型的训练到部署的一条龙服务 |
您所在的位置：网站首页 › 语音识别工具包 › wenet: WeNet 是一款面向工业落地应用的语音识别工具包，提供了从语音识别模型的训练到部署的一条龙服务 |
wenet: WeNet 是一款面向工业落地应用的语音识别工具包，提供了从语音识别模型的训练到部署的一条龙服务
|
WeNet
English version
文档 | 训练模型教程 | WeNet 论文 | x86 识别服务 | android 本地识别 核心功能WeNet 是一款面向工业落地应用的语音识别工具包，提供了从语音识别模型的训练到部署的一条龙服务，其主要特点如下： 使用 conformer 网络结构和 CTC/attention loss 联合优化方法，统一的流式/非流式语音识别方案，具有业界一流的识别效果。 提供云上和端上直接部署的方案，最小化模型训练和产品落地之间的工程工作。 框架简洁，模型训练部分完全基于 pytorch 生态，不依赖于 kaldi 等复杂的工具。 详细的注释和文档，非常适合用于学习端到端语音识别的基础知识和实现细节。 支持时间戳，对齐，端点检测，语言模型等相关功能。 1分钟 Demo使用预训练模型和 docker 进行语音识别，1分钟（如果网速够快）搭建一个语音识别系统 下载官方提供的预训练模型，并启动 docker 服务，加载模型，提供 websocket 协议的语音识别服务。 wget http://mobvoi-speech-public.ufile.ucloud.cn/public/wenet/aishell2/20210602_unified_transformer_server.tar.gz tar -xf 20210602_unified_transformer_server.tar.gz model_dir=$PWD/20210602_unified_transformer_server docker run --rm -it -p 10086:10086 -v $model_dir:/home/wenet/model mobvoiwenet/wenet:mini bash /home/run.sh实时识别 使用浏览器打开文件wenet/runtime/server/x86/web/templates/index.html，在 WebSocket URL 中填入 ws://127.0.0.1:10086 (若在windows下通过wsl2运行docker, 则使用ws://localhost:10086) , 允许浏览器弹出的请求使用麦克风，即可通过麦克风进行实时语音识别。
配置环境 git clone https://github.com/wenet-e2e/wenet.git 安装 Conda: https://docs.conda.io/en/latest/miniconda.html 创建 Conda 环境: conda create -n wenet python=3.8 conda activate wenet pip install -r requirements.txt conda install pytorch=1.10.0 torchvision torchaudio=0.10.0 cudatoolkit=11.1 -c pytorch -c conda-forge训练模型 使用中文 Aishell-1 数据集训练模型 cd examples/aishell/s0/ bash run.sh --stage -1细节请阅读 训练模型教程 技术支持欢迎在 Github Issues 中提交问题。 欢迎扫二维码加入微信讨论群，如果群人数较多，请添加右侧个人微信入群。 
贡献者列表
致谢
WeNet 借鉴了一些优秀的开源项目，包括 Transformer 建模 ESPnet WFST 解码 Kaldi TLG 构图 EESEN Python Batch 推理 OpenTransformer 引用 @inproceedings{yao2021wenet, title={WeNet: Production oriented Streaming and Non-streaming End-to-End Speech Recognition Toolkit}, author={Yao, Zhuoyuan and Wu, Di and Wang, Xiong and Zhang, Binbin and Yu, Fan and Yang, Chao and Peng, Zhendong and Chen, Xiaoyu and Xie, Lei and Lei, Xin}, booktitle={Proc. Interspeech}, year={2021}, address={Brno, Czech Republic } organization={IEEE} } @article{zhang2020unified, title={Unified Streaming and Non-streaming Two-pass End-to-end Model for Speech Recognition}, author={Zhang, Binbin and Wu, Di and Yao, Zhuoyuan and Wang, Xiong and Yu, Fan and Yang, Chao and Guo, Liyong and Hu, Yaguang and Xie, Lei and Lei, Xin}, journal={arXiv preprint arXiv:2012.05481}, year={2020} } @article{wu2021u2++, title={U2++: Unified Two-pass Bidirectional End-to-end Model for Speech Recognition}, author={Wu, Di and Zhang, Binbin and Yang, Chao and Peng, Zhendong and Xia, Wenjing and Chen, Xiaoyu and Lei, Xin}, journal={arXiv preprint arXiv:2106.05642}, year={2021} } |
【本文地址】
今日新闻 |
推荐新闻 |