语音识别 Deep Speech Recognition 小模型代码初探

最近开始学习语音识别 (Speech Recognition) 相关
发现了一个结构挺清晰的中文识别小模型
原项目有一些 bug 在此记录下

• 项目地址 https://github.com/yang123qwe/end2end_chinese_speech_recognition

问题一 module 'torchaudio' has no attribute 'load_wav'

• pytorchaudio 模块版本问题
• 直接将函数 load_wav 改成 load() 即可

问题二 No audio I/O backend is available

• 没有安装 backend
  • 其实在 torchaudio 在导入的时候会产生一个警告
• Windows 安装 pip install soundfile
• 官方的详细说明： https://pytorch.org/audio/stable/backend.html#soundfile-backend
• 没什么用的测试命令:
  • torchaudio.list_audio_backends()
  • 成功后的输出： ['soundfile']
  • （失败为：[])