neural_sp

收录理由

做语音识别研究的人，常常要在不同模型结构之间来回比较，而 neural_sp 把这条链路完整地收在了一个 PyTorch 项目里。从 SpecAugment 这类前端特征处理，到 RNN、Transformer、Conformer 多种编码器，再到 CTC、RNN-T 和注意力解码器，想对比哪种组合更合适，不必再东拼西凑几个库。流式识别是它做得比较扎实的地方，单调注意力、MoChA、延迟可控的变体都有实现，如果你的目标是低延迟场景而不是离线批量解码，这些代码能省不少事。仓库里还带了 LibriSpeech、WSJ、Switchboard、AISHELL 等常见语料的训练脚本，并给出了可复现的词错误率和字错误率作为基线。整体更像一个紧凑的实验台，适合用来判断下一个项目该选哪种编码器或解码器，而不是开箱即用的生产服务。