AIAS/3_audio_sdks/asr_whisper_sdk

下载模型，放置于models目录

• 链接: https://pan.baidu.com/s/1dy134zJKWoXKWdsKPSLqrg?pwd=ejtb

模型使用方法：

• 1. 用模型的名字搜索代码，找到模型的加载位置
• 2. 然后更新模型路径（代码里默认加载路径是：项目/models 文件夹）
• 3. 具体模型加载方法
• http://aias.top/AIAS/guides/load_model.html

中英文语音识别（ASR）【短语音】

语音识别（Automatic Speech Recognition）是以语音为研究对象，通过语音信号处理和模式识别让机器自动识别和理解人类口述的语。 语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术。 语音识别是一门涉及面很广的交叉学科，它与声学、语音学、语言学、信息理论、模式识别理论以及神经生物学等学科都有非常密切的关系。

sdk基于whisper模型实现语音识别，识别效果不错。 whisper是openai训练的语音识别系统，训练数据为68w小时的跨语种音频，因此能够识别多种语言，且支持其它语言和英语之间的互相翻译。因为数据多、任务多，鲁棒性非常好，应对噪声和口音都表现不俗。这种大数据多任务的训练方式真的很openai。

运行例子 - SpeechRecognitionExample

运行成功后，命令行应该看到下面的信息:

...
[INFO ] - input audio: src/test/resources/test.wav
[INFO ] - Score : 91.685394
[INFO ] - Words : 近几年不但我用书给女儿压岁也劝说亲朋友不要给女儿压岁钱而改送压岁书

sdk使用的开源项目

https://github.com/openai/whisper

帮助

引擎定制化配置，可以提升首次运行的引擎下载速度，解决外网无法访问或者带宽过低的问题。
引擎定制化配置

官网：

官网链接

Git地址：

Github链接
Gitee链接