wenet-e2e/wenet

何を解決するか

WeNet は、エンドツーエンド音声認識用の本格的なツールキットです。研究用の音声認識モデルと実際の本番環境との間のギャップを埋める、フルスタックソリューションを提供することを目指しており、高い精度と軽量なデプロイを確保します。

動作方法

WeNet はストリーミングおよび非ストリーミング音声認識の両方をサポートしています。中国語や英語を含むさまざまな言語向けに、Paraformer や FireRed などの事前学習済みモデルを提供しています。ユーザーはシンプルな Python API やコマンドラインインターフェースで音声ファイルを変換でき、x86 や Ascend NPU を含むさまざまなプラットフォーム向けに最適化された専用ランタイムも備えています。

対象ユーザー

リアルワールドのアプリケーションで高性能な音声認識を実装したい開発者やエンジニア、また公開データセット上で最先端の結果とモデルを比較したい研究者に最適です。

特徴

• 本番環境対応: 音声認識用のフルスタック本番ソリューションに焦点を当てています。
• 最先端の精度: 複数の公開音声データセットで最先端の結果を達成しています。
• 軽量: インストールが簡単で、ドキュメントが充実しており、迅速なデプロイが可能です。
• ハードウェア対応: CPU、GPU（CUDA）、Ascend NPU のハードウェアアクセラレーションをサポートしています。