tevr asr tool下載-TEVR tevr asr tool源代碼下載

tevr asr tool

Ai源碼

v1.0.0

下載

TEVR ASR工具

最先進的表現
- 3.64％的普通語音德語
- paperswithcode.com上的排名1
不需要GPU
100％離線
100％私人
100％免費
麻省理工學院許可證
Linux X86_64
命令行工具
易於理解
- 僅284行C ++代碼
- 擁抱面上的AI模型

高轉錄質量

在2022年8月，我們在“普通語音德語（使用額外的培訓數據）上的語音識別”上排名第一，單詞錯誤率為3.64％。因此，該工具的性能被認為是德國語音識別當前可能的最好的：

這是如何運作的？

L175-L185加載WAV文件。 L189-L229執行聲學AI模型。 L260-L275將預測的令牌logits轉換為字符串片段。 L73-L162基於KENLM語言模型實現了梁搜索重新評分。

如果您很好奇聲學AI模型是如何工作的以及為什麼我這樣設計的，這是論文：https：//arxiv.org/abs/2206.12693，這是預先訓練的Huggingface Transformers模型：https：//huggingface.co/fxtententacle.co/fxtententacle/wwav2vec2-xls-xls-r-1b-1b-1b-1b-1b-1b-1b-b------b------------------------------b-1b-------------b-tevver

安裝Debian/Ubuntu軟件包

從github下載tevr_asr_tool-1.0.0-Linux-x86_64.deb ，然後提取多部分zip：

wget " https://github.com/DeutscheKI/tevr-asr-tool/releases/download/v1.0.0/tevr_asr_tool-1.0.0-Linux-x86_64.zip.001 "
wget " https://github.com/DeutscheKI/tevr-asr-tool/releases/download/v1.0.0/tevr_asr_tool-1.0.0-Linux-x86_64.zip.002 "
wget " https://github.com/DeutscheKI/tevr-asr-tool/releases/download/v1.0.0/tevr_asr_tool-1.0.0-Linux-x86_64.zip.003 "
wget " https://github.com/DeutscheKI/tevr-asr-tool/releases/download/v1.0.0/tevr_asr_tool-1.0.0-Linux-x86_64.zip.004 "
wget " https://github.com/DeutscheKI/tevr-asr-tool/releases/download/v1.0.0/tevr_asr_tool-1.0.0-Linux-x86_64.zip.005 "
cat tevr_asr_tool-1.0.0-Linux-x86_64.zip.00 * > tevr_asr_tool-1.0.0-Linux-x86_64.zip
unzip tevr_asr_tool-1.0.0-Linux-x86_64.zip

安裝它：

sudo dpkg -i tevr_asr_tool-1.0.0-Linux-x86_64.deb

從源代碼安裝

下載子模型：

git submodule update --init

CMAKE配置和構建：

cmake -DCMAKE_BUILD_TYPE=MinSizeRel -DCPACK_CMAKE_GENERATOR=Ninja -S . -B build
cmake --build build --target tevr_asr_tool -j 16

創建Debian軟件包：

(cd build && cpack -G DEB)

安裝它：

sudo dpkg -i build/tevr_asr_tool-1.0.0-Linux-x86_64.deb

用法

tevr_asr_tool --target_file=test_audio.wav 2> log.txt

應顯示正確的轉錄mückenstiche sollte man nicht aufkratzen 。 log.txt將包含執行過程中記錄到stderr的診斷和進度。

開發人員的GPU加速

我計劃很快為開發人員發布一個Vulkan＆OpenGL加速實時低延遲轉錄軟件。就像此工具一樣，它將運行100％的私有 + 100％離線，但是不用處理CPU上的WAV文件，而是通過具有WEBRTC的REST REST API來流傳輸麥克風輸入的實時GPU轉錄，以便您可以輕鬆地將其與自己的語音控制項目集成在一起。例如，這將啟用可黑客的語音與pynput.keyboard一起鍵入。

如果您想在啟動時獲得通知，請通過https://madmimi.com/signups/f0da3b13840d40ce9e061cafea6280d5/join輸入您的電子郵件

商業定制

此工具本身也可以免費用於商業用途。當然，它沒有任何形式的保證。

但是，如果您想對此工具的定製版本或類似技術的商業用例有一個想法 - 理想情況下，可以幫助德國北部的中小型企業變得更加競爭力 - 請通過[email protected]與我聯繫。

研究引用

如果您將其用於研究，請引用：

 @misc { https://doi.org/10.48550/arxiv.2206.12693 ,
  doi = { 10.48550/ARXIV.2206.12693 } ,
  url = { https://arxiv.org/abs/2206.12693 } ,
  author = { Krabbenhöft, Hajo Nils and Barth, Erhardt } ,  
  keywords = { Computation and Language (cs.CL), Sound (cs.SD), Audio and Speech Processing (eess.AS), FOS: Computer and information sciences, FOS: Computer and information sciences, FOS: Electrical engineering, electronic engineering, information engineering, FOS: Electrical engineering, electronic engineering, information engineering, F.2.1; I.2.6; I.2.7 } ,  
  title = { TEVR: Improving Speech Recognition by Token Entropy Variance Reduction } ,  
  publisher = { arXiv } ,  
  year = { 2022 } , 
  copyright = { Creative Commons Attribution 4.0 International }
}