deepspeech2_aishell

deepspeech2_aishell

模型名称	deepspeech2_aishell
类别	语音-语音识别
网络	DeepSpeech2
数据集	AISHELL-1
是否支持Fine-tuning	否
模型大小	306MB
最新更新日期	2021-10-20
数据指标	中文CER 0.065

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_aishell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，并在中文普通话开源语音数据集AISHELL-1进行了预训练，该模型在其测试集上的CER指标是0.065。

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.git && 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

  • $ hub install deepspeech2_aishell

  • 如您安装时遇到问题，可参考：零基础windows安装 | 零基础Linux安装 | 零基础MacOS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的中文语音音频
  wav_file = '/PATH/TO/AUDIO'
  
  model = hub.Module(
      name='deepspeech2_aishell',
      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_aishell

  • 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_aishell"
    
    # 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_aishell