问题标签 [mozilla-deepspeech]

我正在尝试使用 CTC loss 在 keras 中实现百度的 DeepSpeech1，我的代码如下：

这都是非常标准的，但是在训练期间，我的模型通常会达到 100 到 200 之间的损失（从 >1000）然后停止改进，当我测试它时（删除 lambda 层以获取转录输出），它只输出空白字符。

我的理论是，它训练只输出空白字符，因为这比随机字符的损失更低，但随后会卡在那里的局部最小值，实际上并没有学会转录音频。

有人知道有什么技巧可以解决这个问题吗？

我是张量流的新手。我正在研究 deepspeech 项目https://github.com/mozilla/DeepSpeech，但是当我运行 evauate.py 时，出现错误：

ValueError：记分器初始化失败，错误代码为 1

详情如下。谁能帮我解决这个问题，谢谢！

堆栈信息：</p>

我一直在尝试在 ml5.js soundClassifier 层中转换 Mozilla Deepspeech 训练模型以用于 tensorflow.js。我的理解是 Mozilla DeepSpeech 使用 TensorFlow。我一直在尝试遵循此处找到的提示：

https://www.tensorflow.org/js/tutorials/conversion/import_saved_model

https://www.tensorflow.org/js/guide/conversion

tensorflowjs_converter --help

我从这里下载了 DeepSpeech 模型：

https://github.com/mozilla/DeepSpeech/releases/download/v0.6.1/deepspeech-0.6.1-models.tar.gz

并且解压后发现如下文件：

lm.binary output_graph.pb output_graph.pbmm output_graph.tflite trie

我试图运行以下命令：

tensorflowjs_converter --output_format=tfjs_graph_model --saved_model_tags=serve deep/ tensorflow.js/

以及进行转换的变体。 tensorflow.js/是我创建deep/的目录，是包含 DeepSpeech 模型文件的目录（上面列出了。）

我得到错误：

SavedModel file does not exist at: deep/saved_model.pb/{saved_model.pbtxt|saved_model.pb}

我重命名output_graph.pb为saved_model.pb.

首先，我想知道 DeepSpeech 模型是否与 tensorflowjs_converter 兼容，如果是，我缺少什么才能让这个东西正常工作。

当我收到此错误时，我实际上是在尝试将 deepspeech 安装到带有 pip3 和 python 3.6.9 的树莓派 4 中：

使用时

任何想法？非常感谢你。

尝试通过安装 DeepSpeechpip3 install deepspeech并得到了这个：

输出cat /etc/os-release：

输出uname -a：

任何想法？还尝试了特定的 deepspeech 版本，我得到了同样的错误。

我尝试运行 Mozilla deepspeech 的实时转录，但我遇到了一些问题。这是类代码：

对不起，我是新来的。所以我在 /usr/lib 中放了两个 .so 文件，名为 libdeepspeech.so 和 libdeepspeech-jni.so。然后我得到了错误，没有liblog.so。所以我也把这个来自 android-ndk 的文件放在 /usr/lib 中。但这是我的问题：我在 /usr/lib 中做了 32 位 liblog.so，所以出现以下错误：

所以我想我必须把64位的liblog.so放在/usr/lib中，但是他的错误发生了：

是的，.so 文件和 android-ndk 一起在 /usr/lib 中。有人知道如何解决这个问题吗？我也可以使用全新的代码，但它必须是在说话期间进行的实时转录。类似于 aws 或 google 的 live-transcribe-speech-engine 之类的东西。我希望你能帮帮我！

祝你有美好的一天，对不起我的英语不好！

我正在尝试做的事情

我正在尝试使用 Mozilla 的语音到文本引擎deepspeech转录 Telegram 音频消息。

*.wav在 16 位 16khz 中使用完美无瑕。

我想添加*.oggopus 支持，因为 Telegram 使用这种格式作为它的音频消息。

到目前为止我尝试过的

到目前为止，我已经尝试过pyogg和soundfile ，但没有成功。

Soundfile 可能完全无法读取 opus 格式，并且 pyogg 在没有 conda 的情况下安装起来很痛苦。我有非常奇怪的时刻，它真的让 python 崩溃了。

现在，我正在尝试 librosa，结果喜忧参半。

Deepspeech 真的很喜欢np.int16。model.sttWithMetadata本质上是对转录员的呼吁。

现在，它确实转录了一些东西，但与我在音频信息中所说的内容相去甚远。

我正在尝试使用 Mozilla DeepSpeech 构建语音到文本的算法，但我在安装软件包时遇到了问题。

首先，我在 Anaconda 中创建了一个新的虚拟环境，并在 Anaconda Powershell 中使用命令deepspeech-venv安装了最新版本的deepspeech软件包（v0.8.1）。pippip install deepspeech --upgrade

接下来，我使用命令pbmm和.tflitewget https://github.com/mozilla/DeepSpeech/releases/download/v0.8.1/deepspeech-0.8.1-models.pbmmwget https://github.com/mozilla/DeepSpeech/releases/download/v0.8.1/deepspeech-0.8.1-models.tflite

最后，我想检查并确保所有东西都安装正确，所以我输入deepspeech -h了命令行，它产生了以下错误语句：

据我了解，这意味着我缺少对deepspeech库的一些依赖项；但是，我不太确定需要安装哪些额外的 DLL，甚至不确定如何进行该过程。（当然，除非问题出在我的安装过程中，我只需要添加另一个库。）

注意：我在 Windows 10 64 位系统上运行 Python v3.7.7。

我正在尝试在我的项目中使用 mozilla-deepspeech 来生成文本到语音。我如何将它用于英语以外的其他语言？我想转换成印度尼西亚语。

注意：我在 Windows 上使用 NodeJS 作为基础项目。

感谢您的解决方案

android-mic-streaming 演示使用./gradlew installDebug 现成可用，但是当 Android Studio 中的播放按钮用于编译和安装完全相同的项目时，它在点击记录后崩溃并出现以下情况：

该问题似乎与使用 Android Studio 时未包含 libdeepspeech-jni.so 有关。我对 Android 开发完全陌生（我正在构建一个 Mozilla-STT React Native 模块并且只支持 iOS 是没用的）所以这特别令人困惑。

谢谢！

编辑：

经过数小时的随机试验和错误：在 Android Studio 中将此选项从“默认 APK”更改为“应用程序包中的 APK”使演示开始工作

但是，在我的示例应用程序上为 React Native 模块（它有一个依赖项 android 项目，最终依赖于实际的 libdeepspeech）做同样的事情并没有奏效。它在使用 x86_64 时开始工作，因此必须没有 libdeepspeech x86 二进制文件。