有這5款開源軟體，語音轉文字很簡單！

來自：開源最前線（ID：OpenSourceTop） 

連結：https://fosspost.org/lists/open-source-speech-recognition-speech-to-text

語音文字轉換（STT）系統，一種能夠將語音單詞轉換成文字的方法，用途十分廣泛，比如我們經常在用的微信聊天中語音轉文字功能。

過去，語音轉文字技術由專有軟體和庫控制；開源替代方案不存在或存在極端侷限，如今這種形勢已經發生變化，今天你可以使用許多開源的語音轉文字工具和庫，今天，我們就舉5個好用的開源語音識別庫。

1、DeepSpeech專案

該專案由Mozilla開發，這是一個100％免費的開源語音轉文字庫，它使用了 TensorFlow 機器學習框架實現去功能。

你可以使用它自己構建訓練模型，以增強語音轉換到文字的效果，你還可以根據自己的需要引入其他語言，甚至可以輕鬆把它整合到TensorFlow上的其他機器學習專案中。唯一可惜的是，該專案目前預設情況下僅支援英語。

它也支援多種語言，例如Python（3.6）。執行十分簡單：

pip3安裝deepspeech
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安裝它：

npm安裝deepspeech

近日，DeepSpeech還登上Github Trending周榜：

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

2、Kaldi

Kaldi是用C++編寫的開源語音識別軟體，遵循Apache公共許可協議，支援Windows，macOS和Linux，2009年就已經發布了。

與其他語音識別軟體相比，Kaldi的主要功能是可擴充套件和模組化。社群提供了大量的第三方模組，Kaldi還支援深度神經網路，並在其網站上提供了完整的使用文件。

雖然程式碼主要是用C++編寫的，但是它通過 Bash 和 Python 指令碼進行了封裝。因此，如果你只是想實現基本的語音轉換成文字功能，那通過Python或Bash就可以輕鬆實現這一點。

專案主頁：http://kaldi-asr.org/

3、Julius

這可能是有史以來最古老的語音識別軟體之一；京都大學在1991年的時候開發的，然後於2005年將它移交給一個獨立的專案團隊。

Julius 的主要特點包括了執行實時 STT 的能力，低記憶體佔用（20000 單詞少於 64 MB），能夠輸出最優詞N-best word和詞圖Word-graph，能夠作為伺服器單元執行等等。這款軟體主要為學術和研究所設計。它是由C 語言寫成，並且可以執行在 Linux、Windows、macOS 甚至 Android（在智慧手機上）。

目前，它僅支援英語和日語，該軟體可能很容易安裝在Linux發行版的倉庫中。只需在軟體包管理器中搜尋julius包即可。

專案主頁：https://github.com/julius-speech/julius

4、Wav2Letter ++

Wav2Letter ++是一款開源語音識別軟體，在今年由Facebook的AI研究團隊釋出。該程式碼在BSD許可下發布。Facebook將其倉庫描述為“當下最快、最先進的語音識別系統”，預設情況下，構建此工具所基於的概念使其針對效能進行了優化，Wav2Letter ++是基於FlashLight構建，它也是Facebook最新的機器學習庫。

使用Wav2Letter ++，你首先需要為你自己想要的語言構建訓練模型，以便於訓練演算法，沒有任何一種語言（包括英語）的預訓練模型，它僅僅是個機器學習驅動的文字語音轉換工具，它用 C++ 寫成，因此被命名為 Wav2Letter++。

專案主頁：https://github.com/facebookresearch/wav2letter

5、DeepSpeech2

百度的研究人員也在研究自己的語音轉文字引擎DeepSpeech2。這是一個端到端的開源引擎，它使用“ PaddlePaddle”深度學習框架將英語和普通話的語音轉換為文字。該專案在BSD許可下發布。

該引擎可以針對任何模型和所需的任何語言進行培訓。模型不隨程式碼一起釋出；就像其他軟體一樣，你必須自己構建它們。DeepSpeech2的原始碼是用Python編寫的；因此，如果這是你使用的語言，你應該很快就能使用上手

專案地址：https://github.com/PaddlePaddle/DeepSpeech

語音識別類別主要還是由專有軟體巨頭（例如Google和IBM）來主導（它們確實為此提供了自己的閉源商業服務），但是開源替代方案是有希望的。這5個開源語音識別引擎讓你可以自己著手構建應用程式，不知道有沒有你用過的呢？

- END -

如果看到這裡，說明你喜歡這篇文章，請轉發、點贊。掃描下方二維碼或者微信搜尋「perfect_iscas」，新增好友後即可獲得10套程式設計師全棧課程+1000套PPT和簡歷模板，向我私聊「進群」二字即可進入高質量交流群。

送幾本書《Pytorch深度學習入門》《演算法交易員》等

↓掃描二維碼進群↓

喜歡文章，點個在看