中文语音识别实战（ASR）

写在前面的话

本博客主要介绍了

1. 语音识别基础知识

2. 中文语音识别数据集

3. 语音识别常用模型方法

4. 自己训练一个中文语音识别模型

注意： 代码中所涉及的模型及数据集，均可从huggingface下载得到，代码中的路劲，需要根据自身实际情况稍做调整。

目录

语音识别基础

数据集

模型

wav2vec

whipser

训练代码

工具代码

推理代码

单条推理

参考

---

语音识别基础

音视频开发基础入门｜声音的采集与量化、音频数字信号质量、音频码率_量化后的声音信号-CSDN博客

https://huggingface.co/learn/audio-course/chapter1/audio_data

数据集

common_voice

包含大陆，香港，台湾等地的语音数据。

https://huggingface.co/datasets/fsicoli/common_voice_17_0

其它

webhub123

模型

wav2vec

https://huggingface.co/facebook/wav2vec2-base

whipser

Whisper是一种用于自动语音识别（ASR）和语音翻译的预训练模型。Whisper模型经过680k小时的标记数据训练，显示出强大的能力，可以在不需要微调的情况下推广到许多数据集和领域。

模型架构

模型大小

https://huggingface.co/docs/transformers/model_doc/whisper#transformers.WhisperProcessor