【新开源报道 37】Facebook 开源语音识别工具包wav2letter

开源最前线（ID：OpenSourceTop） 猿妹 整编

来源：GitHub

近日，Facebook AI 研究院开源了端到端语音识别系统 wav2letter，本文是该架构的论文实现，读者可据此做语音转录。

ASR 系统 wav2letter

授权协议：BSD

开发语言：Lua

操作系统：跨平台

开发厂商：Facebook

项目地址：https://github.com/facebookresearch/wav2letter

Facebook AI 研究院近日开源了一款简单高效的端到端自动语音识别（ASR）系统 wav2letter，wav2letter 实现的是论文 Wav2Letter: an End-to-End ConvNet-based Speech Recognition System 和 Letter-Based Speech Recognition with Gated ConvNets 中提出的架构。

wav2letter 简介

wav2letter 是 Facebook AI 研究院今天开源的简单高效的端到端自动语音识别（ASR）系统。该实现的原作者包括 Ronan Collobert、Christian Puhrsch、Gabriel Synnaeve、Neil Zeghidour 和 Vitaliy Liptchinsky。

如果你使用 wav2letter 或相关的预训练模型，需引用其中的一篇论文。 

另外，如果想要立刻进行语音转录的，Facebook 还提供了 Librispeech 数据集上预训练模型。

预训练模型：https://github.com/facebookresearch/wav2letter#pre-trained-models

Librispeech 数据集：http://www.openslr.org/12

wav2letter 训练

数据文件夹包含多个用于预处理多种数据集的脚本。目前我们仅提供 LibriSpeech 和 TIMIT。以下是预处理 LibriSpeech ASR 语料库的例子：

在多 GPU 上训练

使用 OpenMPI 进行多 GPU 训练：

这里，我们假定 mpirun 位于$PATH。

安装要求

● MacOS 或 Linux 操作系统

● Torch，我们在下文介绍了安装教程

● 在 CPU 上训练：Intel MKL

● 在 GPU 上训练：NVIDIA CUDA Toolkit (cuDNN v5.1 for CUDA 8.0)

● 读取录音文件：Libsndfile（必须在任何标准发行版中可用）

● 标准语音特征：FFTW（必须在任何标准发行版中可用）

附：新开源报道汇总

---

●本文编号136，以后想阅读这篇文章直接输入136即可

●输入m获取文章目录

↓↓↓ 点击"阅读原文" 进入GitHub详情页