# ASRT: A Deep-Learning-Based Chinese Speech Recognition System ASRT是一个基于深度学习的中文语音识别系统，如果您觉得喜欢，请点一个 **"Star"** 吧~ [![GPL-3.0 Licensed](https://img.shields.io/badge/License-GPL3.0-blue.svg?style=flat)](https://opensource.org/licenses/GPL-3.0) [![TensorFlow Version](https://img.shields.io/badge/Tensorflow-1.14+-blue.svg)](https://www.tensorflow.org/) [![Python Version](https://img.shields.io/badge/Python-3.5+-blue.svg)](https://www.python.org/) **ReadMe Language** | 中文版 | [English](https://github.com/nl8590687/ASRT_SpeechRecognition/blob/master/README_EN.md) | [**ASRT项目主页**](https://asrt.ailemon.net/) | [**发布版下载**](https://asrt.ailemon.net/download) | [**查看本项目的Wiki文档**](https://asrt.ailemon.net/docs/) | [**实用效果体验Demo**](https://asrt.ailemon.net/demo) | [**打赏作者**](https://github.com/nl8590687/ASRT_SpeechRecognition/wiki/donate) 如果程序运行期间或使用中有什么问题，可以及时在issue中提出来，我将尽快做出答复。本项目作者交流QQ群：**894112051** 提问前请仔细查看[项目文档](https://asrt.ailemon.net/docs/)、 [常见问题](https://asrt.ailemon.net/docs/issues) 以及[Issues](https://github.com/nl8590687/ASRT_SpeechRecognition/issues) 避免重复提问 以下问题AI柠檬博主和群友可能会拒绝回答，包括但不限于： * 询问已经写在 **ASRT语音识别项目文档** 和 **Issues** 上解决过的已知重复问题。 * 找不到重点、不知所云的提问内容，但是不给出任何其他信息。 * 跟ASRT项目没有直接相关的问题 * “伸手党”类的问题 ``` 请注意，开发者并没有义务回复您的问题，也没用义务免费给你打工，您应该具备基本的提问技巧，并善用搜索引擎， 每个人的时间都是宝贵的。 ``` 有关AI柠檬ASRT语音项目的相关信息亦可使用[AI柠檬站内搜索引擎](https://s.ailemon.me/)进行相关信息的搜索。 ## ASRT相关资料 ASRT的原理请查看本文： * [ASRT：一个中文语音识别系统](https://blog.ailemon.me/2018/08/29/asrt-a-chinese-speech-recognition-system/) ASRT训练和部署教程请看： * [教你如何使用ASRT训练中文语音识别模型]() * [教你如何使用ASRT部署中文语音识别API服务器]() 关于经常被问到的统计语言模型原理的问题，请看： * [统计语言模型：从中文拼音到文本](https://blog.ailemon.me/2017/04/27/statistical-language-model-chinese-pinyin-to-words/) * [统计N元语言模型生成算法：简单中文词频统计](https://blog.ailemon.me/2017/02/20/simple-words-frequency-statistic-without-segmentation-algorithm/) 关于CTC的问题请看： * [[翻译]使用CTC进行序列建模]() 更多内容请访问作者的博客：[AI柠檬博客](https://blog.ailemon.me/) 或使用[AI柠檬站内搜索引擎](https://s.ailemon.me/)进行相关信息的搜索 ## Introduction 简介 本项目使用Keras、TensorFlow基于深度卷积神经网络和长短时记忆神经网络、注意力机制以及CTC实现。 This project uses Keras, TensorFlow based on deep convolutional neural network and long-short memory neural network, attention mechanism and CTC to implement. * **操作步骤** 首先通过Git将本项目克隆到您的计算机上，然后下载本项目训练所需要的数据集，下载链接详见[文档末尾部分](https://github.com/nl8590687/ASRT_SpeechRecognition#data-sets-%E6%95%B0%E6%8D%AE%E9%9B%86)。 ```shell $ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git ``` 或者您也可以通过 "Fork" 按钮，将本项目Copy一份副本，然后通过您自己的SSH密钥克隆到本地。 通过git克隆仓库以后，进入项目根目录；并创建子目录 `dataset/` (可使用软链接代替)，然后将下载好的数据集直接解压进去 注意，当前版本中，Thchs30和ST-CMDS两个数据集都必须下载使用，缺一不可，并且使用其他数据集需要修改代码。 ```shell $ cd ASRT_SpeechRecognition $ mkdir dataset $ tar zxf <数据集压缩文件名> -C dataset/ ``` 然后需要将datalist目录下的文件全部拷贝到 `dataset/` 目录下，也就是将其跟数据集放在一起。 ```shell $ cp -rf datalist/* dataset/ ``` 目前可用的模型有24、25和251 运行本项目之前，请安装必要的[Python3版依赖库](https://github.com/nl8590687/ASRT_SpeechRecognition#python-import) 本项目开始训练请执行： ```shell $ python3 train_mspeech.py ``` 本项目开始测试请执行： ```shell $ python3 test_mspeech.py ``` 测试之前，请确保代码中填写的模型文件路径存在。 ASRT API服务器启动请执行： ```shell $ python3 asrserver.py ``` 请注意，开启API服务器之后，需要使用本ASRT项目对应的客户端软件来进行语音识别，详见Wiki文档[ASRT客户端Demo](https://asrt.ailemon.net/docs/client-demo)。 如果要训练和使用非251版模型，请在代码中 `import SpeechModel` 的相应位置做修改。 ## Model 模型 ### Speech Model 语音模型 CNN + LSTM/GRU + CTC 其中，输入的音频的最大时间长度为16秒，输出为对应的汉语拼音序列 * 关于下载已经训练好的模型的问题 已经训练好的模型包含在发布版服务端程序压缩包里面，发布版成品服务端程序可以在此下载：[ASRT下载页面](https://asrt.ailemon.net/download)。 Github本仓库下[Releases](https://github.com/nl8590687/ASRT_SpeechRecognition/releases)页面里面还包括各个不同版本的介绍信息，每个版本下方的zip压缩包也是包含已经训练好的模型的发布版服务端程序压缩包。 ### Language Model 语言模型 基于概率图的最大熵隐马尔可夫模型 输入为汉语拼音序列，输出为对应的汉字文本 ## About Accuracy 关于准确率 当前，最好的模型在测试集上基本能达到80%的汉语拼音正确率 不过由于目前国际和国内的部分团队能做到98%，所以正确率仍有待于进一步提高 ## Python Import Python的依赖库 * python_speech_features * TensorFlow (1.14 - 2.x) * Numpy * wave * matplotlib * math * Scipy * h5py * http * urllib * requests 不会安装环境的同学请直接运行以下命令(前提是有GPU且已经安装好 CUDA 10.0 和 cudnn 7.4)： ```shell $ pip install -r requirements.txt ``` [程序运行依赖环境详细说明](https://asrt.ailemon.net/docs/dependent-environment) ## Data Sets 数据集 [几个最新免费开源的中文语音数据集](https://blog.ailemon.me/2018/11/21/free-open-source-chinese-speech-datasets/) * **清华大学THCHS30中文语音数据集** data_thchs30.tgz [OpenSLR国内镜像]() [OpenSLR国外镜像]() test-noise.tgz [OpenSLR国内镜像]() [OpenSLR国外镜像]() resource.tgz [OpenSLR国内镜像]() [OpenSLR国外镜像]() * **Free ST Chinese Mandarin Corpus** ST-CMDS-20170001_1-OS.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() * **AIShell-1 开源版数据集** data_aishell.tgz [OpenSLR国内镜像]() [OpenSLR国外镜像]() 注：数据集解压方法 ``` $ tar xzf data_aishell.tgz $ cd data_aishell/wav $ for tar in *.tar.gz; do tar xvf $tar; done ``` * **Primewords Chinese Corpus Set 1** primewords_md_2018_set1.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() * **aidatatang_200zh** aidatatang_200zh.tgz [OpenSLR国内镜像]() [OpenSLR国外镜像]() * **MagicData** train_set.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() dev_set.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() test_set.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() metadata.tar.gz [OpenSLR国内镜像]() [OpenSLR国外镜像]() 特别鸣谢！感谢前辈们的公开语音数据集 如果提供的数据集链接无法打开和下载，请点击该链接 [OpenSLR](http://www.openslr.org) ## License 开源许可协议 [GPL v3.0](LICENSE) © [nl8590687](https://github.com/nl8590687) 作者：[AI柠檬](https://www.ailemon.net/) ## Contributors 贡献者们 [@zw76859420](https://github.com/zw76859420) @madeirak @ZJUGuoShuai @williamchenwl @nl8590687 (repo owner)