語音文字轉(zhuǎn)換（STT）系統(tǒng)，一種能夠?qū)⒄Z音單詞轉(zhuǎn)換成文本的方法，用途十分廣泛，比如我們經(jīng)常在用的微信聊天中語音轉(zhuǎn)文字功能。

過去，語音轉(zhuǎn)文本技術(shù)由專有軟件和庫控制；開源替代方案不存在或存在極端局限，如今這種形勢已經(jīng)發(fā)生變化，今天你可以使用許多開源的語音轉(zhuǎn)文本工具和庫，今天，我們就舉5個好用的開源語音識別庫。

1、DeepSpeech項(xiàng)目 

[[285482]]

該項(xiàng)目由Mozilla開發(fā)，這是一個100％免費(fèi)的開源語音轉(zhuǎn)文本庫，它使用了 TensorFlow 機(jī)器學(xué)習(xí)框架實(shí)現(xiàn)去功能。

你可以使用它自己構(gòu)建訓(xùn)練模型，以增強(qiáng)語音轉(zhuǎn)換到文本的效果，你還可以根據(jù)自己的需要引入其他語言，甚至可以輕松把它集成到TensorFlow上的其他機(jī)器學(xué)習(xí)項(xiàng)目中。唯一可惜的是，該項(xiàng)目目前默認(rèn)情況下僅支持英語。

它也支持多種語言，例如Python（3.6）。運(yùn)行十分簡單：

pip3安裝deepspeech  
deepspeech --model模型/output_graph.pbmm --alphabet模型/alphabet.txt --lm模型/lm.binary --trie模型/ trie --audio my_audio_file.wav  

你也可以使用npm安裝它：

npm安裝deepspeech 

近日，DeepSpeech還登上Github Trending周榜：

Github地址：https://github.com/mozilla/DeepSpeech

2、Kaldi

Kaldi是用C++編寫的開源語音識別軟件，遵循Apache公共許可協(xié)議，支持Windows，macOS和Linux，2009年就已經(jīng)發(fā)布了。

與其他語音識別軟件相比，Kaldi的主要功能是可擴(kuò)展和模塊化。社區(qū)提供了大量的第三方模塊，Kaldi還支持深度神經(jīng)網(wǎng)絡(luò)，并在其網(wǎng)站上提供了完整的使用文檔。

雖然代碼主要是用C++編寫的，但是它通過 Bash 和 Python 腳本進(jìn)行了封裝。因此，如果你只是想實(shí)現(xiàn)基本的語音轉(zhuǎn)換成文本功能，那通過Python或Bash就可以輕松實(shí)現(xiàn)這一點(diǎn)。

項(xiàng)目主頁：http://kaldi-asr.org/

3、Julius

這可能是有史以來最古老的語音識別軟件之一；京都大學(xué)在1991年的時候開發(fā)的，然后于2005年將它移交給一個獨(dú)立的項(xiàng)目團(tuán)隊(duì)。

Julius 的主要特點(diǎn)包括了執(zhí)行實(shí)時 STT 的能力，低內(nèi)存占用（20000 單詞少于 64 MB），能夠輸出最優(yōu)詞N-best word和詞圖Word-graph，能夠作為服務(wù)器單元運(yùn)行等等。這款軟件主要為學(xué)術(shù)和研究所設(shè)計。它是由C 語言寫成，并且可以運(yùn)行在 Linux、Windows、macOS 甚至 Android（在智能手機(jī)上）。

目前，它僅支持英語和日語，該軟件可能很容易安裝在Linux發(fā)行版的倉庫中。只需在軟件包管理器中搜索julius包即可。

項(xiàng)目主頁：https://github.com/julius-speech/julius

4、Wav2Letter ++

Wav2Letter ++是一款開源語音識別軟件，在今年由Facebook的AI研究團(tuán)隊(duì)發(fā)布。該代碼在BSD許可下發(fā)布。Facebook將其倉庫描述為“當(dāng)下最快、最先進(jìn)的語音識別系統(tǒng)”，默認(rèn)情況下，構(gòu)建此工具所基于的概念使其針對性能進(jìn)行了優(yōu)化，Wav2Letter ++是基于FlashLight構(gòu)建，它也是Facebook最新的機(jī)器學(xué)習(xí)庫。

使用Wav2Letter ++，你首先需要為你自己想要的語言構(gòu)建訓(xùn)練模型，以便于訓(xùn)練算法，沒有任何一種語言（包括英語）的預(yù)訓(xùn)練模型，它僅僅是個機(jī)器學(xué)習(xí)驅(qū)動的文本語音轉(zhuǎn)換工具，它用 C++ 寫成，因此被命名為 Wav2Letter++。

項(xiàng)目主頁：https://github.com/facebookresearch/wav2letter

5、DeepSpeech2

百度的研究人員也在研究自己的語音轉(zhuǎn)文本引擎DeepSpeech2。這是一個端到端的開源引擎，它使用“ PaddlePaddle”深度學(xué)習(xí)框架將英語和普通話的語音轉(zhuǎn)換為文本。該項(xiàng)目在BSD許可下發(fā)布。

該引擎可以針對任何模型和所需的任何語言進(jìn)行培訓(xùn)。模型不隨代碼一起發(fā)布；就像其他軟件一樣，你必須自己構(gòu)建它們。DeepSpeech2的源代碼是用Python編寫的；因此，如果這是你使用的語言，你應(yīng)該很快就能使用上手

項(xiàng)目地址：https://github.com/PaddlePaddle/DeepSpeech

語音識別類別主要還是由專有軟件巨頭（例如Google和IBM）來主導(dǎo)（它們確實(shí)為此提供了自己的閉源商業(yè)服務(wù)），但是開源替代方案是有希望的。這5個開源語音識別引擎讓你可以自己著手構(gòu)建應(yīng)用程序，不知道有沒有你用過的呢？