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

下一代商业智能的趋势与机遇

在当今不断变化的经济形势下,商业智能成为了企业成功扩展业务的不可或缺的一部分。当企业管理者做出重要决策时,必须获得实时数据的支持,以减少决策失误,增加未来成功的机会。

Eyal Mekler ·  2021-05-25 14:02:40
IBM开源了5亿行代码数据集,里面最多的编程语言却不是Python

近日,IBM 研究院发布了一个名为 CodeNet 的数据集,该数据集包含 1400 万个代码样本,用于训练面向编程任务的机器学习模型。

佚名 ·  2021-05-19 09:26:03
连肌肉颤动都清晰可见!3D人体模型自动生成算法,一作北大图灵班

团队开发了一套神经网络,用来生成具有指定结构的骨骼,并且精准绑定骨骼的蒙皮权重。

子豪 ·  2021-05-17 09:10:25
人工智能发展的新方向

人工智能发展的新方向,可以概括为“八大”:即大采集、大识别、大计算、大提取、大构建、大预测、大战略、大和谐。

统一价值论 ·  2021-04-19 23:19:05
人工智能在未来将要经历的七个阶段

自2000年以来,全球对人工智能的投资增长了6倍。据统计,到2025年,全球AI市场预计将增长到600亿美元。

SENSORO升哲 ·  2021-04-12 11:31:35
人工智能上升为国家战略,这些人的好机会来啦

说起人工智能,很多人都觉得很高端很有距离感。但你知道吗,其实人工智能早已应用于我们日常生活的各个领域了。举一个小小的例子,当你运用美颜时或者在无人超市刷脸购物时,你已经在享受人工智能的劳动成果了。

58同城大学 ·  2021-04-07 22:22:10
刷题太遭罪怎么办?这个算法基地专为小白量身打造,还带动画

学习算法可能并不只是拼智商,可以通过后天的学习进行掌握,这就需要讲究技巧。方法找对了,可以起到事半功倍的效果。

机器之心 ·  2021-03-25 16:32:24
多所名校联合Adobe,用这项开源算法「透视」了一封300多年前的信

最近,一项技术帮助历史学家们解决了这一难题——科学家们首次在不打开、不破坏信件的前提下“阅读”了封印的古老信件。

付静 ·  2021-03-09 09:57:33
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载