PPASR

收录理由

对于需要中文语音转写能力的团队，PPASR提供了一个扎实且实用的选项。这个基于PaddlePaddle的自动语音识别框架集成了DeepSpeech2、Conformer、Squeezeformer及高效Conformer等多种端到端模型，每个模型都支持流式与非流式两种运行模式，方便你根据实时交互或离线文件场景，自由地权衡延迟和准确率。工具包内置多种解码器，提供fbank和mfcc特征，并带有丰富的数据增强手段，因此完全可以从头训练自己的模型，而不必依赖预训练权重。项目还发布了基于WenetSpeech数据集的预训练模型，并给出了不同解码策略下的字错误率，使你在自己动手训练前就能获得明确的性能基线。部署上，它支持服务器和Nvidia Jetson设备。分词基于sentencepiece，也为中英文混合训练预留了空间。