openspeech

收录理由

OpenSpeech 是一套面向端到端自动语音识别的训练工具包，其核心价值在于对 DeepSpeech2、RNN-Transducer 等已发表 ASR 模型进行了可复现的实现，并提供了英文、中文、韩文三种语言的训练配方，覆盖 LibriSpeech、AISHELL-1、KsponSpeech 等数据集。你可以直接复现论文中的实验结果，也可以通过自定义数据模块和分词器，将代码迁移到自己的数据上。由于底层基于 PyTorch-Lightning 和 Hydra，混合精度训练、多 GPU 与 TPU 训练、分层配置管理这些基础设施已经内置，省去了大量拖慢研究进度的工程琐事。需要留意的是，它定位为训练框架而非开箱即用的推理服务，使用前需自行训练或微调模型，不能指望直接加载预训练权重。