PaddlePaddle-DeepSpeech

收录理由

这个项目把DeepSpeech2架构在PaddlePaddle上落地，专门面向中文普通话识别，同时也兼顾英文。它把从数据准备、数据增强，到训练、集束搜索解码、模型导出的完整流程都串了起来，小团队拿到手就能从原始音频跑出可用的识别结果，不用自己东拼西凑脚本。作者还公开了在AIShell、LibriSpeech、WenetSpeech上训练好的预训练模型，中文和英文都有，想快速验证效果或者做二次开发，直接拿这些模型起步会省不少事。部署方面也考虑得比较周全，支持基于VAD的长语音切分、Web推理服务、图形界面，还能在Nvidia Jetson这类边缘设备上跑。如果后续想尝试更新的模型结构，作者维护的PPASR动态图版本还加入了Conformer和Squeezeformer。