【更好的中文语音识别SpeechBrain Win10/11本地部署，基于Aishell】

68 阅读 0 评论 45 点赞

我是靠谱客的博主合适夏天，最近开发中收集的这篇文章主要介绍【更好的中文语音识别SpeechBrain Win10/11本地部署，基于Aishell】，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

在这里插入图片描述
环境：Win11x64+Vscode+Python3.7.2x64+Pytorch1.9(CPU or GPU)
本文默认Win11，Win10 100%素可以得，默认向下兼容！

首先，你得把Vscode弄好(python 插件安装)，py环境搭好，我们用默认得base py环境即可，当然，你也可以在conda创建py环境

然后在https://huggingface.co/speechbrain/asr-transformer-aishell/tree/main，下载
在这里插入图片描述
下载完自己改文件名以及后缀，改得和这个框内一模一样的（必须）！
然后vscode创建py工程文件夹，在里面新建pretrained_models/asr-transformer-aishell文件夹，把下载的全部丢进去：

pip安装环境：
pip install speechbrain
PS：这个命令会安装90%的环境(默认安装 cup版 Pytorch)，但是还有一个没得装，就是torchaudio后端，因为这个torchaudio就是一个套壳api，所以手动安装SoundFile或SoX后端，如果已安装可以跳过
pip install SoundFile
or
pip install sox

然后。。。

参考谷歌在线代码编辑器
https://colab.research.google.com/drive/1hX5ZI9S4jHIjahFCZnhwwQmFoGAi3tmu?usp=sharing#scrollTo=OKI0SovKtbZm

我们创建py脚本：

from speechbrain.pretrained import EncoderDecoderASR
import torch
import torchaudio

# https://huggingface.co/speechbrain/asr-transformer-aishell/tree/main
# https://colab.research.google.com/drive/1hX5ZI9S4jHIjahFCZnhwwQmFoGAi3tmu?usp=sharing#scrollTo=PPB0K9z3B43c
//PS：CPU版本和GPU版本Pytorch加载参数不同，具体参考下面谷歌在线代码
asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-transformer-aishell", savedir="pretrained_models/asr-transformer-aishell")
# asr_model.transcribe_file("speechbrain/asr-transformer-aishell/example_mandarin.wav")


audio_1 = "F:/CSharpProject/KaldiDemo/KaldiDemo/bin/x64/Release/妹妹就是爱.flac"
#error:No audio IO backend is available
#安装SoundFile : 运行指令 pip install SoundFile
#or者安装SoX ： 运行指令： pip install sox
ddd=torchaudio.list_audio_backends()
print(ddd)
snt_1, fs = torchaudio.load(audio_1)
wav_lens=torch.tensor([1.0])
print('snt_1:',snt_1," wav_lens:",wav_lens)
res=asr_model.transcribe_batch(snt_1, wav_lens)

print('res:',res)

#对于用GPU版pytorch的小伙伴，加载模型可以参考以下代码
# Uncomment for using another pre-trained model
#asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-crdnn-rnnlm-librispeech", savedir="pretrained_models/asr-crdnn-rnnlm-librispeech",  run_opts={"device":"cuda"})
#asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-crdnn-transformerlm-librispeech", savedir="pretrained_models/asr-crdnn-transformerlm-librispeech",  run_opts={"device":"cuda"})
asr_model = EncoderDecoderASR.from_hparams(source="speechbrain/asr-transformer-transformerlm-librispeech", savedir="pretrained_models/asr-transformer-transformerlm-librispeech",  run_opts={"device":"cuda"})

在这里插入图片描述
PS：这个识别效率还是灰常高的，在cpu下都很快，gpu应该会更快！
如果你素这样类似得输出，那么恭喜你，你の手中已经抓住了未来

完整代码和模型文件我已经上传群共享和CSDN，想学习的进群，不想的自己TB几毛钱买个代下即可
https://download.csdn.net/download/weixin_44029053/32726942
安装好pytorch和Python环境，vscode设置Python程序根目录直接运行，不需要改任何代码