【飞桨PaddleSpeech语音技术课程】— 语音识别-定制化识别

(以下内容搬运自飞桨PaddleSpeech语音技术课程，点击链接可直接运行源码)

定制化语音识别

1. 背景

在一些特定场景下，要求ASR系统对某些固定句式的关键词准确识别。

1. 打车报销单场景，要求日期，时间，地点，金额精准识别。
2. 定制化的唤醒词以及命令词，如在车机放音乐场景，那么只需要高精度的识别下一首，上一首，音量调大，音量调小等命令词。
3. 还有语音助手打电话的场景，需要根据用户通讯录，完成联系人的识别等等。

为满足此种需求，本文展示一种定制化识别的方案。
第二节介绍相关的基础知识。
第三节已一个 Demo 展示如何实际操作。

PaddleSpeech SpeechX 已上线更详细的操作脚本和教程，欢迎大家关注。

来自电影《钢铁侠》

2. WFST 解码器相关概念：

2.1 WFST 介绍

WFST是加权有限状态机(weighted finite-state transducers)的简称【2】。在语音识别中，基于 WFST 生成的解码图，配合声学模型进行 viterbi 解码是语音识别中一种基础的解码方法。
这种有限状态机有一个有限的状态集合以及状态之间的跳转，其中每个跳转至少有一个标签。
如果存在一条从初始状态到终止状态的路径，使得路径上的标签序列正好等于输入符号序列，那么则输出一个新的序列和权值。

如下图WFST，输入’ac’串，匹配到0-1，1-2这个路径，输出’qs’, 权重1.63。

OpenFST【1】实现了 WFST【2】的相关算法，后续的算法解释以及解码图的构建与操作，都是基于 OpenFST 来完成。
相关 OpenFST 以及 WFST 的介绍可以参考如下链接：
openfst官方教程

2.2 WFST Compose 概念

下图中WFST C是有WFST A，B Compose而成，可以看做为A，B的级联，A的输出是B的输出，