k2-fsa/sherpa

What it solves

事前学習済みのエンドツーエンド音声認識モデルを簡単にデプロイできるようにし、音声を文字起こしするだけの用途でトレーニングインフラを用意する必要をなくします。

How it works

このフレームワークは PyTorch を用いて transducer および CTC ベースのモデルで推論を実行します。C++ と Python の API を提供し、アプリケーションへの統合を可能にします。

Who it’s for

音声認識モデルをトレーニングやファインチューニングせずに、文字起こしタスクで利用したい開発者向けです。

Highlights

• エンドツーエンド (E2E) モデルに特化
• C++ と Python の API をサポート
• PyTorch 上に構築
• デプロイと推論に特化した設計