问题标签 [mozilla-deepspeech]

我搜索了一些语音识别软件，它可以离线工作并允许我用半成品的成绩单训练它。Mozilla 的 deepspeech 似乎可以胜任这项工作。我必须转录的采访问题是有两种声音和不标准的英语口音。有没有人有任何使用 DeepSpeech 的经验来做到这一点并且可以指导我学习教程？或者你会推荐其他软件（最好是离线和开源的）？

我正在学习 Mozilla 的 DeepSpeech Speech-To-Text 引擎。我让命令行界面正常工作没有问题，但 Python 界面的行为似乎有所不同。当我运行时：

在使用 sox 生成的 16 位单声道 48000 Hz .wav 文件上，我得到以下信息：

当我的意思是“香蕉”时减去“benana”，它似乎工作正常，以及我测试过的其他文件。当我尝试使用来自本教程的以下代码时，问题就来了：

我使用以下命令运行代码：

根据具体文件，我得到不同的四字符响应。我从这个特定文件中得到的响应是'hahm'，但'hmhm'也' eo'很常见。将参数更改为模型（25、9 和 500）似乎不会改变输出。

我想知道，您通常运行多少个 epoch 来训练 mozilla 深度语音，并使用其默认架构。（与 GitHub 版本相比没有变化）。要运行的合适的 epoch 数量是多少，特别是考虑到可用基础架构上的每个 epoch 都需要相当多的时间？（（Tesla K80 单 GPU））

另一方面，如果提前停止（默认标准），这个数字是多少？感谢您的建议/建议。

训练数据：简历

我将 Anaconda3 与 python 3.6 一起使用，并使用 pip install tensorflow deepspeech。

当我运行以下命令时，出现错误：

deepspeech --model models/output_graph.pb --alphabet models/alphabet.txt --audio voice.wav

请注意，我使用的是从使用此命令的说明中获得的预训练模型：

wget -O - https://github.com/mozilla/DeepSpeech/releases/download/v0.3.0/deepspeech-0.3.0-models.tar.gz | 焦油 xvfz -

TensorFlow v1.11.0 来自哪里？pip freeze 将 Tensorflow 显示为 v0.12.0？我该如何解决这个问题？

我们已经启动了一个项目来创建与 DeepSpeech 一起使用的土耳其语语音识别数据集。

我们完成了电子书的预处理任务。但是我们无法完成与埃涅阿斯的强制对齐过程。

根据其强制对齐教程，您需要一个文本文件及其录制的音频文件。在对电子书进行预处理时，我们创建了 430 个文本文件，这些文本文件针对 aeneas 格式进行了编辑和清理（使用 nltk 库分为段落和句子）。

但是，在处理我们创建的任务对象并创建其输出文件（Json 文件）时，我们无法合并输出文件。对于每个 Aeneas 文件，它都从音频文件的开头开始。

看来我们需要将音频文件拆分为 430 个部分，但这不是一个简单的过程。

我尝试将 Json 文件与以下内容合并：

但它并没有奏效，因为在强制对齐过程中，aeneas 从音频文件的开头开始为每个 aeneas 文本文件。

是否可以创建一个包含所有 430 个 aeneas 文本文件的任务对象，并将它们附加到一个输出文件（Json 文件）中，考虑到它们的时间（它们的秒数）也使用一个音频文件？

我们的任务对象：

顺便说一句，我们正在使用 python 3 开发 Google Colab。

我正在尝试在 Windows 上从 Pypi 安装 deepspeech，我一直遇到“无法从版本中找到所需的包”的问题，但我的 pip 是最新的（19.0.1）。

我已经尝试过这里给出的一些解决方案：https ://discourse.mozilla.org/t/pip-install-deepspeech-doesnt-find-a-valid-deepspeech-when-mac-osx-10-11-is-used- and-not-mac-osx-10-12/22788

在这里：https ://github.com/mozilla/DeepSpeech/issues/1519

但这些解决方案都不是具体的或特定于 Windows 操作系统的。

“pip install --verbose deepspeech-gpu”给了我以下输出

似乎某些 CONFIG 变量未设置，但不完全确定如何纠正它们。还有来自 Pypi 的教程：

https://pypi.org/project/deepspeech/#using-the-python-package

清楚地表明他们有这个包。

任何帮助深表感谢。

谢谢

我想在我的嵌入式设备上安装 deepspeech（不用担心电源要求，我打算稍后处理）。

但是我在安装它时失败了几次。对于我所看到的，这是因为此软件包只有轮文件可用，而我的设备上没有 python 轮。以下是可用的软件包：

可用的包

所以我的问题是：1）对于嵌入式设备，这些包中哪个是最好的？2）如何在我的设备上安装轮子？像任何其他 python 包一样 3) 我是否必须更改 .mk 文件或 config.in 中的任何内容？这是文件：

.mk：

配置文件：

我正在使用 deepspeech 和 deespeech-server。我能够发送 cURL 命令：

这给了我正确的语音到文本翻译“现在是什么时候”。

我现在正在尝试使用 python 脚本来实现相同的结果。我的代码是：

我得到以下输出：

在我的服务器上，我得到：

有人对我如何解决这个问题有想法吗？

我正在尝试在我的 Alpine 容器中安装 DeepSpeech，虽然我似乎满足了文档中的所有要求，但我得到“与此 Python 错误不兼容”。

这是我跑步时的日志pip install --verbose deepspeech

我似乎这是 Windows 环境中的一个常见问题，但这是一个 Alpine 基础映像。我错过了什么？

在 docker build 期间，此错误不断出现。

尝试了各种代码技术。

构建应该是成功的。