masr

收录理由

MASR 是一个端到端的中文普通话语音识别项目，核心网络采用门控卷积结构，思路接近 Facebook 2016 年的 Wav2letter，但激活函数换成了 GLU 而非 ReLU 或 HardTanh。作者在 AISHELL-1 语料上训练，并给出了字错误率（CER）的实测数据：测试集 CER 约为 14%，外接语言模型后可降到 8%。仓库自带接近最优效果的预训练权重，想直接体验的话不必从头训练。更难得的是，README 对项目局限说得非常坦白——150 小时的录音量远小于商业系统常用的数据规模，因此别指望它和工业级产品比肩。对于想研究卷积声学模型的人，或者单纯好奇一个单人维护的中文识别项目能做到什么程度，这份代码和说明都是清晰可读的参考，而不是拿来即用的生产工具。