语音识别之ASRT开源项目（一）

     紧接上一期“语音识别之开发环境搭建（二）”，在接下来的几期，我们先从开源项目ASRT_SpeechRecognition讲解起，包括怎么训练模型、通过工具自制样本集和模型测试等，以此让大家对语音识别有一个基本的认识。之后我们再深入讲解其原理及相关代码，以便为后续针对自己的需求修改代码，设计行业语音样本等做好准备。

一、ASRT_SpeechRecognition简介

1、gitee地址：ASRT_SpeechRecognition: A Deep-Learning-Based Chinese Speech Recognition System 基于深度学习的中文语音识别系统

2、ASRT是一个基于深度学习的中文语音识别系统，采用卷积采用卷积神经网络（CNN）和连接性时序分类（CTC）方法，使用大量中文语音数据集进行训练，将声音转录为中文拼音，并通过语言模型，将拼音序列转换为中文文本。具体可查阅其博客https://www.ailemon.net/

3、代码结构如下图：

4、使用git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git

命令下载代码,或者可下载后拷贝到虚拟机中。

注：git命令不可用，可通过yum install git进行安装

二、模型训练

1、安装项目依赖

1）通过sudo pip3 install --upgrade pip升级pip

2）为了节省学习成本，这里我们没有使用GPU，所以不使用tensorflow-gpu，而使用tensorflow。打开requirements.txt，删掉tensorflow-gpu==2.5.3。然后使用pip3 install tensorflow独立安装tensorflow

3）使用pip3 install -r requirements.txt安装依赖

2、由于使用CPU来训练模型，所以需按如下修改代码。打开train_speech_model.py将os.environ["CUDA_VISIBLE_DEVICES"]值改为-1

3、准备训练模型所需的数据集

1）使用python3 download_default_datalist.py下载默认数据集的拼音标签文件，并对下载好的拼音标签文件进行修改，留下小部分数据。测试所用的标签文件数据获取方式详见第三大点。

2）由于数据集太大，无法使用虚拟机这种低配的环境无法进行训练，所以我们对数据集进行裁剪，只留一小部分THCHS30数据集，具体数据获取方式详见文末第三大点。如下修改asrt_config.json，只留下THCHS30

3）在根目录下新建data文件夹，并在data文件夹中新建speech_data，然后将语音训练数据集拷到speech_data文件夹下

4、模型训练

1）新建存放生成模型的文件夹save_models

2）python3 train_speech_model.py训练模型

3）查看生成的模型文件

三、测试的样本数据获取地址

https://download.csdn.net/download/cangyudiyi/85775166

    以上就是本期的全部内容啦，下期我们将结合本期训练生成的模型来进行测试，并将介绍ASRT_SpeechRecognition的语音识别的客户端程序和后端服务。See you next time! Enjoy!

各位乡亲父老，扫码关注一下公众号，再走呗。