SummerAsr 用于纪念2023年即将到来和终将逝去的夏天

说明

• SummerAsr 是一个独立编译的大范围连续语音识别系统(ASR)，是一个可以本地运行的系统，不需要连接网络，而且没有其他依赖，一键编译完成即可进行语音识别。
• SummerAsr 识别的WAV（PCM）数据格式为： 16K 采样率，16bits int
• SummerAsr 的底层计算库使用Eigen，Eigen是一套模板定义的函数，大部分情况下，只需要包含头文件即可，所以本项目没有其他依赖，在C++环境下可以独立编译和运行。
• 本项目使用Eigen提供的矩阵库实现了神经网络的算子，不需要依赖例如pytorch，tensorflow， ncnn 等其他NN运行环境。
• 本项目在 Ubuntu 上编译运行通过，其他类Linux平台，如Android，树莓派等，也应该没啥大问题，在Window上没有测试过，可能需要少许改动。

使用说明

• 将本项目的代码克隆到本地，最好是Ubuntu Linux 环境

• 从以下的百度网盘地址下载模型，放入本项目的model目录中：
  链接: https://pan.baidu.com/s/13KgAaD79Pd3XsWI6k6VViw?pwd=y4rd 提取码: y4rd

  目录结构和内容如下：
  model
  ├── am.model
  ├── char.txt
  └── lm.model

• 进入Build 目录，执行以下命令：
  cmake ..
  make

• 编译完成后，会在Build 目录中生成 asr_test 执行程序

• 运行下列命令，测试语音识别：
  ./asr_test ../wavSamples/test.wav

• 正常情况下，可得到如下结果

  Model loading time costs:0.236086s
  Asr Result: 今天是二零二二年五月四号现在是晚上十一点五十三分
  Wav duration: 9.25s, Asr Decoding time costs: 3.35407s, RTF: 0.362602

后续开发

• 后续将开放模型训练和转化脚本

联系作者

• 有进一步的问题或需要可以发邮件到 120365182@qq.com , 或添加微信: hwang_2011, 本人尽量回复。

感谢

本项目在源代码和算法方面使用了下列方案，在此表示感谢, 若可能引发任何法律问题，请及时联系我协调解决

• Eigen
• rnnoise (https://github.com/xiph/rnnoise)
• MASR(https://github.com/yeyupiaoling/MASR)
• KenLM (https://github.com/kpu/kenlm)
• CTC beam search decoder(https://github.com/Sundy1219/ctc_beam_search_lm)