有这5款开源软件,语音转文字很简单!

作者: 猿妹 2019-12-13 09:48:48

语音文字转换(STT)系统,一种能够将语音单词转换成文本的方法,用途十分广泛,比如我们经常在用的微信聊天中语音转文字功能。

过去,语音转文本技术由专有软件和库控制;开源替代方案不存在或存在极端局限,如今这种形势已经发生变化,今天你可以使用许多开源的语音转文本工具和库,今天,我们就举5个好用的开源语音识别库。

1、DeepSpeech项目 

有这5款开源软件,语音转文字很简单!

该项目由Mozilla开发,这是一个100%免费的开源语音转文本库,它使用了 TensorFlow 机器学习框架实现去功能。

你可以使用它自己构建训练模型,以增强语音转换到文本的效果,你还可以根据自己的需要引入其他语言,甚至可以轻松把它集成到TensorFlow上的其他机器学习项目中。唯一可惜的是,该项目目前默认情况下仅支持英语。

它也支持多种语言,例如Python(3.6)。运行十分简单:

  1. pip3安装deepspeech  
  2. deepspeech --model模型/output_graph.pbmm --alphabet模型/alphabet.txt --lm模型/lm.binary --trie模型/ trie --audio my_audio_file.wav  

你也可以使用npm安装它:

  1. npm安装deepspeech 

近日,DeepSpeech还登上Github Trending周榜:

有这5款开源软件,语音转文字很简单!

Github地址:https://github.com/mozilla/DeepSpeech

2、Kaldi

有这5款开源软件,语音转文字很简单!

Kaldi是用C++编写的开源语音识别软件,遵循Apache公共许可协议,支持Windows,macOS和Linux,2009年就已经发布了。

与其他语音识别软件相比,Kaldi的主要功能是可扩展和模块化。社区提供了大量的第三方模块,Kaldi还支持深度神经网络,并在其网站上提供了完整的使用文档。

虽然代码主要是用C++编写的,但是它通过 Bash 和 Python 脚本进行了封装。因此,如果你只是想实现基本的语音转换成文本功能,那通过Python或Bash就可以轻松实现这一点。

项目主页:https://kaldi-asr.org/

3、Julius

有这5款开源软件,语音转文字很简单!

这可能是有史以来最古老的语音识别软件之一;京都大学在1991年的时候开发的,然后于2005年将它移交给一个独立的项目团队。

Julius 的主要特点包括了执行实时 STT 的能力,低内存占用(20000 单词少于 64 MB),能够输出最优词N-best word和词图Word-graph,能够作为服务器单元运行等等。这款软件主要为学术和研究所设计。它是由C 语言写成,并且可以运行在 Linux、Windows、macOS 甚至 Android(在智能手机上)。

目前,它仅支持英语和日语,该软件可能很容易安装在Linux发行版的仓库中。只需在软件包管理器中搜索julius包即可。

项目主页:https://github.com/julius-speech/julius

4、Wav2Letter ++

有这5款开源软件,语音转文字很简单!

Wav2Letter ++是一款开源语音识别软件,在今年由Facebook的AI研究团队发布。该代码在BSD许可下发布。Facebook将其仓库描述为“当下最快、最先进的语音识别系统”,默认情况下,构建此工具所基于的概念使其针对性能进行了优化,Wav2Letter ++是基于FlashLight构建,它也是Facebook最新的机器学习库。

使用Wav2Letter ++,你首先需要为你自己想要的语言构建训练模型,以便于训练算法,没有任何一种语言(包括英语)的预训练模型,它仅仅是个机器学习驱动的文本语音转换工具,它用 C++ 写成,因此被命名为 Wav2Letter++。

项目主页:https://github.com/facebookresearch/wav2letter

5、DeepSpeech2

有这5款开源软件,语音转文字很简单!

百度的研究人员也在研究自己的语音转文本引擎DeepSpeech2。这是一个端到端的开源引擎,它使用“ PaddlePaddle”深度学习框架将英语和普通话的语音转换为文本。该项目在BSD许可下发布。

该引擎可以针对任何模型和所需的任何语言进行培训。模型不随代码一起发布;就像其他软件一样,你必须自己构建它们。DeepSpeech2的源代码是用Python编写的;因此,如果这是你使用的语言,你应该很快就能使用上手

项目地址:https://github.com/PaddlePaddle/DeepSpeech

语音识别类别主要还是由专有软件巨头(例如Google和IBM)来主导(它们确实为此提供了自己的闭源商业服务),但是开源替代方案是有希望的。这5个开源语音识别引擎让你可以自己着手构建应用程序,不知道有没有你用过的呢?

开源 技术 软件
上一篇:麻省理工、IBM合推新型数据集,“为计算机视觉黄金时代做准备” 下一篇:国内人才报告:机器学习工程师平均薪资近3万,顶尖者年薪可达百万
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

常见的编码错误,再不避免就完了

犯错乃人之常情。然而,开发人员所犯的许多错误是可以避免的。如果能避免本文提到的这些常见错误,就能写出更好、更简洁的代码。

读芯术 ·  2020-01-30 18:00:18
2020年软件发展的6大突破性趋势有哪些?

区块链无疑是IT行业讨论最多的技术之一。像比特币和以太坊这样的电子货币其实是随着这项技术的引入而出现的。

读芯术 ·  2020-01-28 18:41:14
阿里开源MNNKit:基于MNN的移动端深度学习SDK,支持安卓和iOS

近日,阿里开源了基于 MNN 引擎的项目 MNNKit,面向安卓和 iOS,以 SDK 的方式提供 AI 端侧推理能力。开发者不需要了解算法细节就可以直接使用。

一鸣、Jamin ·  2020-01-23 15:08:02
Google 开源最新 NLP 模型,能处理整本《罪与罚》

Transformer 可谓是近年 NLP 领域关注度颇高的模型之一。近日,Google 又推出了 Transformer 的“升级版”——Reformer。

Rachel ·  2020-01-18 14:50:13
赢在起跑线,数据科学必备5大技能

数据科学领域竞争激烈,人们正在迅速发展越来越多的技能和经验。“R、Python、SQL和机器学习”一直是数据科学家的标配。但随着这个领域的发展,这些技能已经渐渐不足以在就业市场上保持竞争力了。

读芯术 ·  2020-01-16 19:03:04
AI芯片2019年的六大关键词和2020年的四大趋势

AI芯片市场的竞争变得更加激烈,但大都面临落地难题。回顾2019年的AI芯片发展,6个关键词贯穿其中。展望2020年的AI芯片市场,4大趋势不容忽视。

包永刚 ·  2020-01-06 09:40:22
“解放双手”不是梦!AI的5种方式正在塑造软件测试未来…… 精选

人工智能是当今最热门的流行语,其发展能够帮助企业和行业做出明智的决策,并从根本上转变工作流程。

读芯术 ·  2019-12-26 17:20:06
微软年度研究大盘点:ML突破将到来,人机交互更真实,惜别沈向洋 精选

随着岁末钟声的临近,微软研究院回顾了这一年来在人工智能领域中的工作。

十三 ·  2019-12-26 09:52:47
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载