espresso

收录理由

Espresso为语音研究者与工程师提供了一套开箱即用的端到端语音识别方案，省去自行拼装各组件的麻烦。它以PyTorch为基础，沿用fairseq的项目惯例，通过YAML配置文件管理实验，支持跨GPU与多节点的分布式训练。解码端提供CTC、Transducer（RNN-T）以及基于快速并行实现的前瞻词级语言模型融合等多种选择。内置WSJ、LibriSpeech、Switchboard三个数据集的训练脚本，便于快速上手；若希望简化流程，还可选用基于torchaudio的在线特征提取，不再依赖Kaldi。