athena

收录理由

Athena 是一个基于 TensorFlow 的端到端语音处理引擎，适合那些希望在同一框架内完成从模型训练到部署的团队。它覆盖了语音识别（包括混合注意力/CTC 架构和流式识别）、语音合成（FastSpeech 系列，仓库中也有 Tacotron2 和 HiFi-GAN 的声码器）、语音活动检测以及关键词唤醒等任务。项目提供了 AISHELL-1、LibriSpeech、GigaSpeech 和 LJSpeech 等公开数据集上的实验配置和结果对照，便于复现基线后再针对自有数据调整。生产部署方面，C++ 运行时支持 WFST 解码，并带有 TensorFlow C++ 本地服务器用于模型服务；同时自带的 Python 特征提取器不依赖 Kaldi，免去了相关工具链的学习成本。对于研究者和应用工程师来说，如果想在一个项目里同时获得训练配方和部署路径，Athena 是个值得考虑的选择，不过其最后一次较大规模的更新停留在 2022 年。