如何使用Mozilla Deepspeech使用预先训练的模型将语音转换为文本？

Question

我想使用mozilla deepspeech将语音转换为文本。但是输出确实很糟糕。

我已经下载了mozilla的训练有素的模型，然后我所做的就是这样：

404

现在，输出距离我的音频样本不远了。我该怎么做才能提高准确性？

Answer 1

我认为是因为您不包含任何LanguageModel。

预训练模型基本上只是声学模型，只会将音频转录成可能没有意义的相似发音文本。

如果将声学模型与语言模型（LM）结合使用，则可能会获得更好的结果。

在您的代码示例中，我可以看到参数LM_WEIGHT，但看不到LM本身的任何防御。

我不确定要使用哪种语言集成Deepspeech，但这是node-js的示例。这是LM集成的部分

const LM_ALPHA = 0.75;
const LM_BETA = 1.85;
let lmPath = './models/lm.binary';
let triePath = './models/trie';
model.enableDecoderWithLM(lmPath, triePath, LM_ALPHA, LM_BETA);

如果我没记错的话，LM＆Trie文件包含在预先训练的下载ZIP中

wget https://github.com/mozilla/DeepSpeech/releases/download/v0.5.1/deepspeech-0.5.1-models.tar.gz

否则，您还可以创建自己的语言模型，如果只需要模型来识别特定的单词，这将很有意义。