deepspeech.pytorch中文语音识别笔记(2)

使用AISHELL-ASR0009-OS1 开源中文语音数据库

地址http://www.aishelltech.com/kysjcp

该语音库包含141000句短语，分为train、dev、test三类。翻译文本训练时发现不全，部分训练文件夹下的语音无翻译文本，生成deepspeech文本路径文件时需要注意。

deepspeech代码地址

https://github.com/SeanNaren/deepspeech.pytorch

（1）根据翻译文本aishell_transcript_v0.8.txt生成生字表，生成deepspeech的训练，验证，测试的csv路径文件

（2）读取翻译文本时可以采用字+空格的格式，如果采用原文本的词+空格格式，词错误率较高。

验证集50轮迭代  字+空格 wer 11.990 cer 5.998  词+空格 wer 25.444 cer 6.035 

不过中文与英文识别不同，中文以字为单位，英文以单词为单位，所以字符错误率cer更能准确反映识别效果，这样看来两者效果近似。

（3）使用kenlm利用翻译文本训练语言模型，并将语言模型加入test过程中

30轮训练的声学模型采用贪婪算法解码，测试集结果为wer14.958 cer 7.481 

采用加入语言模型的BeamCTC解码，测试集结果为15.029.cer7.509。

不同于英文语音识别加入语音模型wer大幅降低，中文识别语言模型加入后计算速度慢了几百倍，50s/it，结果近似，没有提升，没有找到原因。