基于深度学习的中文语音识别系统，如果您觉得喜欢，请点一个 "Star" 吧~
ReadMe Language | 中文版 | English |
如果程序运行期间或使用中有什么问题，可以及时在issue中提出来，我将尽快做出答复。本项目作者交流QQ群：867888133
提问前可以先 查看常见问题 避免重复提问
ASRT的原理请查看本文：
关于经常被问到的统计语言模型原理的问题，请看：
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。
This project uses Keras, TensorFlow based on deep convolutional neural network and long-short memory neural network, attention mechanism and CTC to implement.
- 操作步骤
首先通过Git将本项目克隆到您的计算机上，然后下载本项目训练所需要的数据集，下载链接详见文档末尾部分。
$ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git或者您也可以通过 "Fork" 按钮，将本项目Copy一份副本，然后通过您自己的SSH密钥克隆到本地。
通过git克隆仓库以后，进入项目根目录；并创建子目录 dataset/ (可使用软链接代替)，然后将下载好的数据集直接解压进去
$ cd ASRT_SpeechRecognition
$ mkdir dataset
$ tar zxf <数据集压缩文件名> -C dataset/ 然后需要将datalist目录下的文件全部拷贝到 dataset/ 目录下，也就是将其跟数据集放在一起。
$ cp -rf datalist/* dataset/目前可用的模型有24、25和251
运行本项目之前，请安装必要的Python3版依赖库
本项目开始训练请执行：
$ python3 train_mspeech.py本项目开始测试请执行：
$ python3 test_mspeech.py测试之前，请确保代码中填写的模型文件路径存在。
ASRT API服务器启动请执行：
$ python3 asrserver.py如果要训练和使用模型251，请在代码中 import SpeechModel 的相应位置做修改。
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完整源程序。
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
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的依赖库
- python_speech_features
- TensorFlow
- Keras
- Numpy
- wave
- matplotlib
- math
- Scipy
- h5py
- http
- urllib
-
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
-
Primewords Chinese Corpus Set 1
primewords_md_2018_set1.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
日志链接：进展日志
@ZJUGuoShuai @williamchenwl
@nl8590687 (repo owner)