TensorFlowASR

收录理由

对于已经在使用 TensorFlow 的团队来说，这是一个相当完整的开源方案，可以用来训练自己的语音转文字模型。它实现了多种现代架构，包括 Conformer、ContextNet、流式转导器、DeepSpeech2 和 Jasper，并且同时支持 CTC 和 RNN-Transducer 两种训练路径，方便根据延迟和准确率需求选择端到端方案。如果打算把训练好的模型部署到手机或其他设备上，TFLite 转换支持就很有价值，能显著减少内存和计算量。仓库里还带有示例配置、预训练检查点以及针对英语和越南语的教程，能大大缩短从读论文到复现结果之间的距离。整体更偏向研究用途，需要自己准备数据集并调优模型，而不是像调用云端 API 那样直接使用。