{"id":15624049,"url":"https://github.com/yeyupiaoling/masr","last_synced_at":"2025-05-14T19:09:55.449Z","repository":{"id":45102519,"uuid":"283377873","full_name":"yeyupiaoling/MASR","owner":"yeyupiaoling","description":"Pytorch实现的流式与非流式的自动语音识别框架，同时兼容在线和离线识别，目前支持Conformer、Squeezeformer、DeepSpeech2模型，支持多种数据增强方法。","archived":false,"fork":false,"pushed_at":"2025-05-01T03:18:24.000Z","size":9897,"stargazers_count":673,"open_issues_count":2,"forks_count":113,"subscribers_count":11,"default_branch":"develop","last_synced_at":"2025-05-14T19:09:51.755Z","etag":null,"topics":["asr","conformer","deep-learning","deepspeech","pytorch","speech","speech-recognition","speech-to-text","squeezeformer"],"latest_commit_sha":null,"homepage":"","language":"Python","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"apache-2.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/yeyupiaoling.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":null,"funding":null,"license":"LICENSE","code_of_conduct":null,"threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2020-07-29T02:27:55.000Z","updated_at":"2025-05-13T12:34:30.000Z","dependencies_parsed_at":"2023-12-16T04:56:55.206Z","dependency_job_id":"0b1084ce-96b5-4bd1-9bdc-3ecc90de0ce1","html_url":"https://github.com/yeyupiaoling/MASR","commit_stats":{"total_commits":250,"total_committers":3,"mean_commits":83.33333333333333,"dds":0.01200000000000001,"last_synced_commit":"fe0010de33440a11bb843ff2c424db4b7a310ac7"},"previous_names":[],"tags_count":0,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/yeyupiaoling%2FMASR","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/yeyupiaoling%2FMASR/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/yeyupiaoling%2FMASR/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/yeyupiaoling%2FMASR/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/yeyupiaoling","download_url":"https://codeload.github.com/yeyupiaoling/MASR/tar.gz/refs/heads/develop","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":254209859,"owners_count":22032897,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["asr","conformer","deep-learning","deepspeech","pytorch","speech","speech-recognition","speech-to-text","squeezeformer"],"created_at":"2024-10-03T09:59:49.323Z","updated_at":"2025-05-14T19:09:54.554Z","avatar_url":"https://github.com/yeyupiaoling.png","language":"Python","funding_links":[],"categories":[],"sub_categories":[],"readme":"![python version](https://img.shields.io/badge/python-3.11+-orange.svg)\n![GitHub forks](https://img.shields.io/github/forks/yeyupiaoling/MASR)\n![GitHub Repo stars](https://img.shields.io/github/stars/yeyupiaoling/MASR)\n![GitHub](https://img.shields.io/github/license/yeyupiaoling/MASR)\n![支持系统](https://img.shields.io/badge/支持系统-Win/Linux/MAC-9cf)\n\n# MASR流式与非流式语音识别项目\n\nMASR是一款基于Pytorch实现的自动语音识别框架，MASR全称是神奇的自动语音识别框架（Magical Automatic Speech Recognition），当前为V3版本，与V2版本不兼容，如果想使用V2版本，请在这个分支[V2](https://github.com/yeyupiaoling/MASR/tree/release/2.3.x)。MASR致力于简单，实用的语音识别项目。可部署在服务器，Nvidia Jetson设备，未来还计划支持Android等移动设备。\n\n\n**欢迎大家扫码入知识星球或者QQ群讨论，知识星球里面提供项目的模型文件和博主其他相关项目的模型文件，也包括其他一些资源。**\n\n\u003cdiv align=\"center\"\u003e\n  \u003cimg src=\"https://yeyupiaoling.cn/zsxq.png\" alt=\"知识星球\" width=\"400\"\u003e\n  \u003cimg src=\"https://yeyupiaoling.cn/qq.png\" alt=\"QQ群\" width=\"400\"\u003e\n\u003c/div\u003e\n\n\n本项目使用的环境：\n - Anaconda 3\n - Python 3.11\n - Pytorch 2.5.1\n - Windows 11 or Ubuntu 22.04\n\n\n# 在线试用\n\n[在线试用地址](https://tools.yeyupiaoling.cn/speech/masr)\n\n\n## 项目特点\n\n1. 支持多个语音识别模型，包含`deepspeech2`、`conformer`、`squeezeformer`、`efficient_conformer`等，每个模型都支持流式识别和非流式识别，在配置文件中`streaming`参数设置。\n2. 支持多种解码器，包含`ctc_greedy_search`、`ctc_prefix_beam_search`、`attention_rescoring`、`ctc_beam_search`等。\n3. 支持多种预处理方法，包含`fbank`、`mfcc`等。\n4. 支持多种数据增强方法，包含噪声增强、混响增强、语速增强、音量增强、重采样增强、位移增强、SpecAugmentor、SpecSubAugmentor等。\n5. 支持多种推理方法，包含短音频推理、长音频推理、流式推理、说话人分离推理等。\n6. 更多特点等待你发现。\n\n\n## 与V2版本的区别\n\n1. 项目结构的优化，大幅度降低的使用难度。\n2. 更换预处理的库，改用kaldi_native_fbank，在提高数据预处理的速度，同时也支持多平台。\n3. 修改token的方法，使用sentencepiece制作token，这个框架极大的降低了多种语言的处理难度，同时还使中英文混合训练成为可能。\n\n\n## 更新记录\n\n - 2025.3: 正式发布最终级的V3版本。\n\n## 模型下载\n\n\n1. [WenetSpeech](./docs/wenetspeech.md) (10000小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：\n\n|    使用模型     | 是否为流式 | 预处理方式 |          解码方式          | test_net | test_meeting | aishell_test |   下载地址   |\n|:-----------:|:-----:|:-----:|:----------------------:|:--------:|:------------:|:------------:|:--------:|\n|  Conformer  | True  | fbank |   ctc_greedy_search    | 0.14391  |   0.18665    |   0.06751    | 加入知识星球获取 |\n|  Conformer  | True  | fbank | ctc_prefix_beam_search | 0.14326  |   0.18488    |   0.06763    | 加入知识星球获取 |\n|  Conformer  | True  | fbank |  attention_rescoring   | 0.13523  |   0.18069    |   0.06079    | 加入知识星球获取 |\n|  Conformer  | True  | fbank |    ctc_beam_search     | 0.18227  |   0.21586    |   0.04981    | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |   ctc_greedy_search    |          |              |              | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank | ctc_prefix_beam_search |          |              |              | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |    ctc_beam_search     |          |              |              | 加入知识星球获取 |\n\n2. [AIShell](https://openslr.magicdatatech.com/resources/33) (179小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：\n\n|    使用模型     | 是否为流式 | 预处理方式 |          解码方式          | 自带的测试集  |   下载地址   |\n|:-----------:|:-----:|:-----:|:----------------------:|:-------:|:--------:|\n|  Conformer  | True  | fbank |   ctc_greedy_search    | 0.06134 | 加入知识星球获取 |\n|  Conformer  | True  | fbank | ctc_prefix_beam_search | 0.06132 | 加入知识星球获取 |\n|  Conformer  | True  | fbank |  attention_rescoring   | 0.05366 | 加入知识星球获取 |\n|  Conformer  | True  | fbank |    ctc_beam_search     | 0.04409 | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |   ctc_greedy_search    | 0.12000 | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank | ctc_prefix_beam_search | 0.12016 | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |    ctc_beam_search     | 0.08748 | 加入知识星球获取 |\n\n\n3. [Librispeech](https://openslr.magicdatatech.com/resources/12) (960小时，英语) 的预训练模型列表，错误率类型为词错率（WER）：\n\n|    使用模型     | 是否为流式 | 预处理方式 |          解码方式          | 自带的测试集  |   下载地址   |\n|:-----------:|:-----:|:-----:|:----------------------:|:-------:|:--------:|\n|  Conformer  | True  | fbank |   ctc_greedy_search    | 0.07432 | 加入知识星球获取 |\n|  Conformer  | True  | fbank | ctc_prefix_beam_search | 0.07418 | 加入知识星球获取 |\n|  Conformer  | True  | fbank |  attention_rescoring   | 0.06549 | 加入知识星球获取 |\n|  Conformer  | True  | fbank |    ctc_beam_search     |    /    | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |   ctc_greedy_search    | 0.15491 | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank | ctc_prefix_beam_search | 0.15307 | 加入知识星球获取 |\n| DeepSpeech2 | True  | fbank |    ctc_beam_search     |    /    | 加入知识星球获取 |\n\n\n4. 其他数据集的预训练模型列表，错误率类型，如果是中文就是字错率（CER），英文则是词错率（WER），中英混合为混合错误率（MER）：\n\n|   使用模型    | 是否为流式 | 预处理方式 |       数据集       | 语言  |          解码方式          |                                                        测试数据                                                         |   下载地址   |\n|:---------:|:-----:|:-----:|:---------------:|:---:|:----------------------:|:-------------------------------------------------------------------------------------------------------------------:|:--------:|\n| Conformer | True  | fbank |      粤语数据集      | 粤语  |   ctc_greedy_search    |                                                       0.05596                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |      粤语数据集      | 粤语  | ctc_prefix_beam_search |                                                       0.05595                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |      粤语数据集      | 粤语  |  attention_rescoring   |                                                       0.04846                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |      粤语数据集      | 粤语  |    ctc_beam_search     |                                                       0.05280                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |     中英混合数据集     | 中英文 |   ctc_greedy_search    |                                                       0.09582                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |     中英混合数据集     | 中英文 | ctc_prefix_beam_search |                                                       0.09523                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |     中英混合数据集     | 中英文 |  attention_rescoring   |                                                       0.08470                                                       | 加入知识星球获取 |\n| Conformer | True  | fbank |     中英混合数据集     | 中英文 |    ctc_beam_search     |                                                          /                                                          | 加入知识星球获取 |\n| Conformer | True  | fbank | 更大数据集（16000+小时） | 中英文 |   ctc_greedy_search    |              test_net: 0.17378\u003cbr\u003etest_meeting: 0.20505\u003cbr\u003eLibrispeech-Test: 0.20888\u003cbr\u003e中英混合: 0.14189               | 加入知识星球获取 |\n| Conformer | True  | fbank | 更大数据集（16000+小时） | 中英文 | ctc_prefix_beam_search |              test_net: 0.17311\u003cbr\u003etest_meeting: 0.20408\u003cbr\u003eLibrispeech-Test: 0.20508\u003cbr\u003e中英混合: 0.14009               | 加入知识星球获取 |\n| Conformer | True  | fbank | 更大数据集（16000+小时） | 中英文 |  attention_rescoring   |              test_net: 0.15607\u003cbr\u003etest_meeting: 0.19188\u003cbr\u003eLibrispeech-Test: 0.17477\u003cbr\u003e中英混合: 0.12389               | 加入知识星球获取 |\n\n\n**说明：** \n1. 这里字错率或者词错率是使用`eval.py`。\n2. 分别给出了使用三个解码器的错误率，其中`ctc_prefix_beam_search`、`attention_rescoring`的解码搜索大小为10。\n3. 训练时使用了噪声增强和混响增强，以及其他增强方法，具体请看配置参数`configs/augmentation.yml`。\n4. 这里只提供了流式模型，但全部模型都支持流式和非流式的，在配置文件中`streaming`参数设置。\n5. `更大数据集`准确率比其他的低最主要的是应为训练的epoch太少，但是足以作为其他微调任务的预训练模型。\n\n\u003e有问题欢迎提 [issue](https://github.com/yeyupiaoling/MASR/issues) 交流\n\n\n## 文档教程\n\n- [快速安装](./docs/install.md)\n- [快速使用](./docs/GETTING_STARTED.md)\n- [数据准备](./docs/dataset.md)\n- [WenetSpeech数据集](./docs/wenetspeech.md)\n- [合成语音数据](./docs/generate_audio.md)\n- [数据增强](./docs/augment.md)\n- [训练模型](./docs/train.md)\n- [集束搜索解码](./docs/beam_search.md)\n- [执行评估](./docs/eval.md)\n- [导出模型](./docs/export_model.md)\n- [使用标点符号模型](./docs/punctuation.md)\n- 预测\n   - [本地预测](./docs/infer.md)\n   - [说话人日志语音识别](./docs/infer.md)\n   - [Web部署模型](./docs/infer.md)\n   - [GUI界面预测](./docs/infer.md)\n- [常见问题解答](./docs/faq.md)\n\n\n## 相关项目\n - 基于Pytorch实现的声纹识别：[VoiceprintRecognition-Pytorch](https://github.com/yeyupiaoling/VoiceprintRecognition-Pytorch)\n - 基于Pytorch实现的分类：[AudioClassification-Pytorch](https://github.com/yeyupiaoling/AudioClassification-Pytorch)\n - 基于PaddlePaddle实现的语音识别：[PPASR](https://github.com/yeyupiaoling/PPASR)\n\n\n## 打赏作者\n\n\u003cbr/\u003e\n\u003cdiv align=\"center\"\u003e\n\u003cp\u003e打赏一块钱支持一下作者\u003c/p\u003e\n\u003cimg src=\"https://yeyupiaoling.cn/reward.png\" alt=\"打赏作者\" width=\"400\"\u003e\n\u003c/div\u003e\n\n\n## 参考资料\n - https://github.com/yeyupiaoling/PPASR\n - https://github.com/jiwidi/DeepSpeech-pytorch\n - https://github.com/wenet-e2e/WenetSpeech\n - https://github.com/wenet-e2e/wenet\n - https://github.com/SeanNaren/deepspeech.pytorch\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fyeyupiaoling%2Fmasr","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fyeyupiaoling%2Fmasr","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fyeyupiaoling%2Fmasr/lists"}