PaddleSpeech C实现如何改写为支持长尾词处理？
- 内容介绍
- 文章标签
- 相关推荐
本文共计1685个文字，预计阅读时间需要7分钟。
FastASR是一个基于PaddleSpeech的conformer模型，采用C++高效实现模型推理。在树莓派等ARM平台也能流畅运行。项目地址：https://github.com/chenkui164/FastASR
FastASR基于PaddleSpeech所使用的conformer模型，使用C++的高效实现模型推理，在树莓派4B等ARM平台运行也可流畅运行。项目地址为：github.com/chenkui164/FastASR
项目简介本项目仅实现了PaddleSpeech r1.01版本中conformer_wenetspeech-zh-16k预训练模型。
这个预训练模型采用了当下最先进的conformer模型，使用10000+小时的wenetspeech数据集训练得到。
经过测试它识别效果很好,可以媲美许多商用的ASR软件。
PaddleSpeech是基于python实现的，本身的性能已经很不错了，即使在没有GPU的个人电脑上运行，
也能满足实时性的要求（如:时长为10s的语音，推理时间小于10s，即可满足实时性）。
但是要把PaddleSpeech部署在ARM平台，会遇到两个方面的困难。
- 不容易安装，需要自己编译一些组件。
- 执行效率很慢，无法满足实时性的要求。
因此就有这个项目，它由纯C++编写，仅实现了模型的推理过程。
- 语言优势: 由于C++和Python不同，是编译型语言，编译器会根据编译选项针对不同平台的CPU进行优化，更适合在不同CPU平台上面部署，充分利用CPU的计算资源。
本文共计1685个文字，预计阅读时间需要7分钟。
FastASR是一个基于PaddleSpeech的conformer模型，采用C++高效实现模型推理。在树莓派等ARM平台也能流畅运行。项目地址：https://github.com/chenkui164/FastASR
FastASR基于PaddleSpeech所使用的conformer模型，使用C++的高效实现模型推理，在树莓派4B等ARM平台运行也可流畅运行。项目地址为：github.com/chenkui164/FastASR
项目简介本项目仅实现了PaddleSpeech r1.01版本中conformer_wenetspeech-zh-16k预训练模型。
这个预训练模型采用了当下最先进的conformer模型，使用10000+小时的wenetspeech数据集训练得到。
经过测试它识别效果很好,可以媲美许多商用的ASR软件。
PaddleSpeech是基于python实现的，本身的性能已经很不错了，即使在没有GPU的个人电脑上运行，
也能满足实时性的要求（如:时长为10s的语音，推理时间小于10s，即可满足实时性）。
但是要把PaddleSpeech部署在ARM平台，会遇到两个方面的困难。
- 不容易安装，需要自己编译一些组件。
- 执行效率很慢，无法满足实时性的要求。
因此就有这个项目，它由纯C++编写，仅实现了模型的推理过程。
- 语言优势: 由于C++和Python不同，是编译型语言，编译器会根据编译选项针对不同平台的CPU进行优化，更适合在不同CPU平台上面部署，充分利用CPU的计算资源。