使用DeepSpeech简单做个字母语音识别

DeepSpeech仓库:https://github.com/mozilla/DeepSpeech

安装使用说明: https://deepspeech.readthedocs.io/en/v0.8.0/TRAINING.html

目录结构:

文件输入格式:(文件名+文件大小+语音译文)

这里有两个技巧:

1. 使用了空格隔开每个发音,等于空格也是一个词,所以alphabet.txt上需要加上空格.(空格不是必须的,可以不用)

2. 由于我每段语音都用GoldWave自动裁剪了前后的静音部分,所以译文部分前后没有加空格,如果没有裁剪,则需要加上空格(补充,如果前后噪音或静音部分过长, 可能会比较难收敛).

训练语句(我这里没有使用计分器,导出tflite):

python DeepSpeech.py --train_files data/char/train.csv --train_batch_size 4 --dev_files data/char/dev.csv --test_files data/char/test.csv --n_hidden 256 --epochs 30 --export_dir models --export_tflite True --export_file_name en_sigle_char --load_train init

训练结束的测试结果(使用了200多个语音训练,从结果看效果还是很不错的.):

项目的Release内有各平台调用的API,可轻松移植.