MASR

收录理由

MASR是一套基于PyTorch的语音转文字框架，同时支持流式与非流式识别，既能应对实时字幕这类低延迟场景，也能处理离线转写任务。它把Conformer、Squeezeformer、DeepSpeech2等主流模型统一在配置驱动的接口后面，切换模型或解码器时无需改动业务代码，工程上省去不少重复劳动。项目提供了覆盖普通话、粤语、英语以及中英混合数据的预训练权重，拿到手就能跑出可用基线，再针对自己的音频做微调即可。此外还集成了多种数据增强、说话人分离推理和网页演示，小团队可以快速搭起一套完整的ASR服务，不必东拼西凑各种组件。