问题标签 [mozilla-deepspeech]

我正在尝试在 Android（AVD - Pixel 2，API 30）上使用 DeepSpeech Java API 运行 tflite 模型。我在创建 DeepSpeechModel 对象时遇到了问题。我不知道它可能是什么。

我在下载目录中有我的模型（我之前从 DeepSpeech 的 GitHub 下载了它），并且我在模型的构造函数中传递了该文件的路径。结果我收到：

这很奇怪，因为 f.exists() 返回 true。如您所见，我具有 WRITE/READ 权限（以及在 AndroidManifest.xml 中）

我尝试使用 Anaconda 3 在两台不同的机器上直接通过控制台执行 MozillaTTS，我得到了相同的错误消息：

第一个是Centos 6.11 第二个是虚拟机Ubuntu 18.4（主机是Windows 10）

在两台机器上，我都安装了 Python 3.8.10。当我使用自己的 tts 模型执行英语句子时，我得到了一个非常机器人的声音。但是当我执行以下语句时：

tts –text “Este es un ejemlo en castellano” --config_path config.json --model_path best_model.pth.tar --out_path OUTPUT/ejemlo.wav --vocoder_path vocoder_model.pth.tar --vocoder_config_path config_vocoder.json

我正在使用自己的模型（通过培训获得）我收到以下警告消息：

[W NNPACK.cpp:79] 无法初始化 NNPACK！原因：不支持的硬件。

以及以下错误消息：

我不知道会出现什么问题，因为我在一些 Windows 10 机器上安装了 TTS 并且我没有遇到问题。

非常感谢你的帮助

因此，我在网上阅读了无数关于 Git LFS 及其工作原理的文章，但仍然无法为我的问题找到最终的解决方案。基本上，我正在使用 Mozilla Deepspeech，我正在尝试通过 Github 将我的项目上传到 Heroku。但是，由于 Deepspeech 文件很大，必须使用 Git LFS 上传。这很好，除了现在当我访问文件路径时，我收到指向具有 SHA256 ID 的文件的指针，而不是实际的二进制文件。我想知道是否没有办法解决这个问题，或者是否可以接收实际的文件内容。谢谢您的帮助。代码如下（顺便说一句，这是正确的路径）

所以我有一个包含这三个文件的文件夹：

1. model.data-00000-of-00001
2. 模型索引
3. 模型.元

我想将 .data 文件转换为 .pb 文件。我已经检查了几乎一个链接，但我一直遇到错误并且卡住了。

这是我用来将检查点文件转换为 .pb 的脚本：

这里的 output_nodes 来自 DeepSpeech (Mozilla) 版本 0.1.0。这个版本提供了 491.0MB 的默认模型，我生成的是 490.9MB。但它们都是从相同的检查点生成的。我想进一步训练我的检查点文件，但在此之前，我想看看我是否也可以先将其冻结当我尝试转录音频文件时，这就是我不断得到的：

请帮忙！

我正在尝试将 Optuna 与DeepSpeech集成以优化它的一些超参数。我现在坚持学习率，只是为了了解 Optuna 的工作原理，但我遇到了障碍，需要一些帮助。

我有一个功能hps_train，它是训练步骤。它将 Optuna 试验对象作为参数并返回开发损失，这是我想使用 Optuna 来最小化的。这与 中的函数完全相同train()，training/deepspeech_training/train.py但有一些修改：

我还有一些辅助功能：

把它们放在一起：

当我运行此代码时，第一次运行正常完成。但是，当它尝试启动第二个时，我收到一个错误：

看起来 ValueError 抱怨某些张量与另一个张量不同。但我不明白这是怎么回事，因为我每次运行都是在一个新的 Graph 上下文中开始的，所以每个张量都应该与这个新图相关联。

Optuna 版本是 2.9.1，Tensorflow 版本是 1.15.4

如果您能深入了解我在哪里出错，或者即使这是使用 Optuna 的推荐方式，我将不胜感激。非常感谢！

尝试执行时出现以下错误

tensorflow.python.framework.errors_impl.InternalError：发现 2 个根错误。(0) 内部：使用模型配置调用 ThenRnnForward 失败：[rnn_mode, rnn_input_mode, rnn_direction_mode]: 2, 0, 0, [num_layers, input_size, num_units, dir_count, max_seq_length, batch_size, cell_num_units]: [1, 2048, 2048, 1, 798, 64, 2048] [[{{node tower_0/cudnn_lstm/CudnnRNNV3}}]] [[tower_0/gradients/tower_0/BiasAdd_2_grad/BiasAddGrad/_87]] （1）内部：使用模型配置调用 ThenRnnForward 失败： [rnn_mode, rnn_input_mode, rnn_direction_mode]: 2, 0, 0, [num_layers, input_size, num_units, dir_count, max_seq_length, batch_size, cell_num_units]: [1, 2048, 2048, 1, 798, 64, 2048] [[{{node tower_0/cudnn_lstm/CudnnRNNV3}}]] 0 次成功操作。0 派生错误被忽略。

在构建 lm binay 以创建记分员 doe deepspeech 模型期间，我一次又一次地收到以下错误

我使用的命令如下

我正在使用以下命令开始训练 deepspeech 模型

我一次又一次地收到以下错误。

我正在尝试使用 python 开发离线语音助手。我想通过使用麦克风和 deepspeech 进行流式传输来使用语音识别模块。我在互联网上没有找到类似的东西。这个怎么做？

我是 python 新手，我想在我的 Windows 系统上设置 deepspeech 服务器，以便它可以作为服务在后台运行，并且任何应用程序都可以访问数据，

https://pypi.org/project/deepspeech-server/

我也检查了这个链接

如何在 PHP Web 应用程序中实现 Mozilla DeepSpeech 以将语音转换为文本？

但是在运行这个命令时我得到了这个错误：

'deepspeech-server' 不是内部或外部命令、可运行程序或批处理文件。

我已经在我的 Windows 系统上设置了 deepspeech，并且正在工作和转录数据。

但我想安装 deepspeech 服务器也可以在后台运行服务。我在 Windows 10 64 位上安装它

请有任何建议，谢谢