nl8590687/ASRT_SpeechRecognition

Что это за инструмент

ASRT — это система распознавания китайской речи на базе глубокого обучения (TensorFlow), использующая архитектуру DCNN + CTC для перевода аудио в пиньинь, а затем в текст.

Зачем нужен

Инструмент решает задачу автоматической транскрипции китайской речи, преобразуя аудиопотоки в текстовые строки. Он полезен для разработчиков, которым нужен локально развертываемый, бесплатный и открытый движок для обработки китайского языка без использования облачных API.

Что можно реализовать

• Локальная установка сервера распознавания речи (ASR) для интеграции в собственные приложения через HTTP или gRPC API.
• Обучение и дообучение моделей на собственных наборах данных китайской речи (поддерживаются форматы THCHS30, AIShell-1 и др.).
• Исследование архитектуры нейросетей для распознавания речи, так как проект предоставляет полный код для тренировки и оценки моделей.
• Деплой сервиса распознавания речи в контейнере Docker для быстрого запуска без сложной настройки окружения.

Ключевые возможности

• Открытый исходный код с лицензией GPL-3.0.
• Поддержка обучения на нескольких популярных открытых датасетах китайской речи.
• Возможность запуска как сервера с HTTP API, так и с gRPC API.
• Готовые Docker-образы для быстрого развертывания сервиса.
• Работа на базе TensorFlow 2.5+ и Python 3.9+.

👤 Кому подойдёт: Разработчики, исследователи в области NLP и машинного обучения, интересующиеся китайским языком; инженеры, ищущие бесплатное решение для локального распознавания речи.