作者：帥帥家的人工智障

原創(chuàng)文章，轉(zhuǎn)載請申請原作者同意

常見的語音相關(guān)工具很多，這里介紹幾種常見的工具。主要有Kaldi、PyTorch-Kaldi、SpeechBrain、pykaldi、ESPnet、其他語音識別工具。常用的Kaldi，也有端到端的工具ESPnet等。

Kaldi

Kaldi是 danpovey大神使用C++編寫的開源語音識別工具集。目前占據(jù)整個語音識別工具的半邊天。目前danpovey已經(jīng)加入國內(nèi)公司小米。

1 . 資源：

文檔：http://kaldi-asr.org/doc/build_setup.html

論文：http://publications.idiap.ch/downloads/papers/2012/Povey_ASRU2011_2011.pdf

kaldi作者Dan Povey's博客：http://www.danielpovey.com/kaldi-lectures.html

gitbook上面中文教程Chinese Doc of Kaldi：https://shiweipku.gitbooks.io/chinese-doc-of-kaldi/content/about.html 版本比較老。

2 . 截止到2019年11月底github活躍情況：

kaldi語音識別大神povery的課程資料，帥帥家的人工智障公眾號直接回復(fù)：201912151

PyTorch-Kaldi

Pytorch-Kaldi是一個開源的state-of-the-art DNN/RNN用于語音識別的項目。DNN部分依賴于Pytorch，數(shù)據(jù)預(yù)處理、特征提取、解碼等依賴于Kaldi。

1 . 資源：

github：https://github.com/mravanelli/pytorch-kaldi

論文：https://arxiv.org/abs/1811.07453

vedio：https://www.youtube.com/watch?v=VDQaf0SS4K0&t=2s

Next Version: SpeechBrain

2 . 截止到2019年11月底github活躍情況：

嗶哩嗶哩視頻鏈接：https://www.bilibili.com/video/av63902650?from=search&seid=16607800262273505881

SpeechBrain

SpeechBrain項目旨在完全基于PyTorch構(gòu)建新穎的語音工具包。借助SpeechBrain，用戶可以輕松創(chuàng)建語音處理系統(tǒng)，范圍包括語音識別（HMM / DNN和端到端的系統(tǒng)），說話人識別，語音增強，語音分離，多麥克風(fēng)語音處理等。

目前只有預(yù)告還沒有正式發(fā)布

1 . 資源：

主頁：https://speechbrain.github.io/

github：https://github.com/speechbrain/speechbrain.github.io

vedio：https://www.youtube.com/watch?v=XETiKbN9ojE&feature=youtu.be

2 . 截止到2019年11月底github活躍情況：

嗶哩嗶哩視頻鏈接：https://www.bilibili.com/video/av71146616?from=search&seid=15739786385174746986

pykaldi

PyKaldi是Kaldi語音識別工具包的Python腳本層。為Kaldi和OpenFst庫中的C ++代碼提供了易于使用，開銷低，一流的Python包裝器。可以使用PyKaldi編寫Python代碼來完成其他需要編寫C ++代碼的事情，例如調(diào)用低級Kaldi函數(shù)，在代碼中操作Kaldi和OpenFst對象或?qū)崿F(xiàn)新的Kaldi工具。

1 . 資源：

文檔：https://pykaldi.github.io/

github：https://github.com/pykaldi/pykaldi

論文：https://github.com/pykaldi/pykaldi/blob/master/docs/pykaldi.pdf

2 . 截止到2019年11月底github活躍情況：

ESPnet

ESPnet是一個端到端的語音工具，專注于端到端的語音識別和端到端的文本轉(zhuǎn)語音。使用chainer和pytorch作為主要的深度學(xué)習(xí)引擎（框架）。遵循kaldi風(fēng)格的數(shù)據(jù)處理、特征提取和格式化等。提供了一個完整的pipline。

1 . 資源：

文檔：https://espnet.github.io/espnet/

github：https://github.com/espnet/espnet

論文：https://arxiv.org/abs/1804.00015?context=cs

2 . 截止到2019年11月底github活躍情況：

圖像那邊也有一個ESPnet，比如這個語義分割的演示視頻：https://www.bilibili.com/video/av48838117?from=search&seid=3905488616269165989

其他語音工具

1 . 其他著名語音識別引擎及其特點：

2 . 移動或者手機端：

3 . 還有一些wiki的可以參考的：

wiki: https://en.wikipedia.org/wiki/List_of_speech_recognition_software

我之前上傳b站的一些國外的語音相關(guān)的視頻

• 【 語音自然語言深度學(xué)習(xí)課程 】Deep Learning for Speech and Language（合輯）（英文字幕部分）

https://www.bilibili.com/video/av38854819/

• 【 語音 Speaker Recognition 】A Novel Method for Speaker Recognition without Active Enrollment（英文字幕）

https://www.bilibili.com/video/av36308563/

• 【 語音Speaker Verification 】Generalized End-to-End Loss for Speak（英文字幕）

https://www.bilibili.com/video/av36308874/

• 【語音 Speaker Verification】Deep Neural Network Embeddings for Text-Independe（英文字幕）

https://www.bilibili.com/video/av36308701/

• 【 兩分鐘論文 】This AI Learned To Isolate Speech Signals（英文字幕）

https://www.bilibili.com/video/av35977892/

相關(guān)推薦閱讀

? 免費中文語音數(shù)據(jù)集

歡迎關(guān)注我的公眾號“帥帥家的人工智障”，或者同名 微博，一起學(xué)習(xí)提升。

總結(jié)

以上是生活随笔為你收集整理的kaldi语音识别实战pdf_语音识别相关工具和资料分享的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。