理工酷

ASRT：一个基于深度学习的中文语音识别系统

Introduction 简介

---

本项目使用Keras、TensorFlow基于深度卷积神经网络和长短时记忆神经网络、注意力机制以及CTC实现。

Model 模型

---

Speech Model 语音模型

CNN + LSTM/GRU + CTC

其中，输入的音频的最大时间长度为16秒，输出为对应的汉语拼音序列

• 关于下载已经训练好的模型的问题

可以在Github本仓库下releases里面的查看发布的各个版本软件的压缩包里获得包含已经训练好模型参数的完整源程序。

发布的成品软件可以在此下载：ASRT下载页面

Language Model 语言模型

基于概率图的最大熵隐马尔可夫模型

输入为汉语拼音序列，输出为对应的汉字文本

About Accuracy 关于准确率

---

当前，最好的模型在测试集上基本能达到80%的汉语拼音正确率

不过由于目前国际和国内的部分团队能做到98%，所以正确率仍有待于进一步提高

Python Import

---

Python的依赖库

• python_speech_features
• TensorFlow (1.13+)
• Keras (2.3+)
• Numpy
• wave
• matplotlib
• math
• Scipy
• h5py
• http
• urllib

程序运行依赖环境详细说明

Data Sets 数据集

---

几个最新免费开源的中文语音数据集

• 清华大学THCHS30中文语音数据集 data_thchs30.tgz  OpenSLR国内镜像  OpenSLR国外镜像 test-noise.tgz  OpenSLR国内镜像  OpenSLR国外镜像 resource.tgz  OpenSLR国内镜像  OpenSLR国外镜像

• Free ST Chinese Mandarin Corpus ST-CMDS-20170001_1-OS.tar.gz  OpenSLR国内镜像 OpenSLR国外镜像

• AIShell-1 开源版数据集 data_aishell.tgz  OpenSLR国内镜像  OpenSLR国外镜像 注：数据集解压方法

  $ tar xzf data_aishell.tgz
  $ cd data_aishell/wav
  $ for tar in *.tar.gz;  do tar xvf $tar; done
  

• Primewords Chinese Corpus Set 1 primewords_md_2018_set1.tar.gz  OpenSLR国内镜像 OpenSLR国外镜像

• aidatatang_200zh aidatatang_200zh.tgz  OpenSLR国内镜像  OpenSLR国外镜像

• MagicData train_set.tar.gz  OpenSLR国内镜像  OpenSLR国外镜像 dev_set.tar.gz  OpenSLR国内镜像  OpenSLR国外镜像 test_set.tar.gz  OpenSLR国内镜像  OpenSLR国外镜像 metadata.tar.gz  OpenSLR国内镜像  OpenSLR国外镜像

特别鸣谢！感谢前辈们的公开语音数据集 如果提供的数据集链接无法打开和下载，请点击该链接 OpenSLR

License 开源许可协议

GPL v3.0 © nl8590687 作者：AI柠檬

来源https://github.com/nl8590687/ASRT_SpeechRecognition