语音识别 -- 概述

1. 语音合成
zhrtvc：https://github.com/KuangDD/zhrtvc

2.离线语音识别

vosk+kaldi:https://alphacephei.com/vosk/

tacotron:https://github.com/keithito/tacotron

kaldi+树莓派交叉编译：https://www.jianshu.com/p/4e74861b47e9

mozilla deepspeech：https://github.com/mozilla/DeepSpeech

PaddlePaddle deepspeech:https://github.com/PaddlePaddle/DeepSpeech

deepspeech2：

kaldi：https://github.com/kaldi-asr/kaldi

介绍：Kaldi是一个C++实现的语音识别工具，它使用Apache v2.0开源协议。 其主要目标用户为语音识别的研究者，由Dan Povey博士和捷克的BUT大学联合开发。

优点：

• 代码级别集成WFST：Kaldi 将 OpenFST 作为一个库编译进来。(而不是脚本的方式集成)。
• 广泛的线性代数支持：Kaldi包括封装了标准BLAS和LAPACK库的矩阵库。 易于扩展。
• 完整的recipe：对于很多常见语音数据集都提供完整的recipe，从而可以完整的复现整个过程。

缺点：

• 由于贡献者比较多，所以会有不稳定或有问题的代码更新。
• 对使用者的要求较高。相比于HTK那种解释透彻的文档，大部分Kaldi的文档都是给领域的专家使用的，上手较为困难。

athena：https://github.com/didi/athena   https://github.com/athena-team/athena

vosk api： https://github.com/alphacep/vosk-api
传统vs深度学习

深度学习--> 端到端

 

语音输入：python -m speech_recognition

sphinx是由美国卡内基梅隆大学开发的大词汇量、非特定人、连续英语语音识别系统。

 https://zhuanlan.zhihu.com/p/37083530

 

SpeechRecognation：支持中文和与英文

实现; https://www.jianshu.com/p/08b9c6fc6bcb

 

3. 相关中文数据集

thchs30：http://www.openslr.org/

Aishell：http://www.aishelltech.com/kysjcp

　　Aishell开源178小时的中文语音语料及基本训练脚本， 400个人讲，其中训练集340个人，测试解20个人，验证集40个人

4、 在线语音识别

1. 科大讯飞API：

• 目前需求对应的语音听写功能免费使用；
• 讯飞语音国内的专业性，支持普通话，粤语，英语；
• 已完成demo的集成和功能测试；
• 网络会成为限制（有离线的）

1. 阿里云
2. 腾讯云
3. 百度-AI开放平台

 参考：

https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/79832700?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.edu_weight&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.edu_weight