TensorSpeech/TensorFlowASR

해결하는 문제

자동 음성 인식(ASR) 시스템을 구축하고 배포하기 위한 포괄적인 프레임워크를 제공하여, 다양한 최첨단 신경망 아키텍처를 사용하여 음성을 텍스트로 변환할 수 있게 합니다.

작동 방식

이 프로젝트는 훈련 손실 함수에 따라 분류된 여러 ASR 아키텍처를 구현합니다: RNNT 손실을 사용하는 Transducer 모델(Conformer 및 ContextNet 등)과 CTC 손실을 사용하는 CTC 모델(DeepSpeech2 및 Jasper 등). 특징 추출, 데이터 증강, 훈련, 디코딩(탐욕적 및 빔 검색)을 포함한 전체 파이프라인이 포함됩니다. 배포 측면에서 모델은 메모리와 계산 요구 사항을 줄이기 위해 TFLite로 변환할 수 있습니다.

대상 사용자

음성-텍스트 애플리케이션을 작업하는 개발자와 연구자로, TensorFlow 생태계를 선호하고 CPU, NVIDIA GPU, Cloud TPU를 포함한 다양한 하드웨어에서 ASR 모델을 훈련, 테스트, 배포하기 위한 유연한 도구 키트가 필요한 사람들입니다.

주요 특징

• Conformer, ContextNet, RNN Transducer, DeepSpeech2, Jasper를 포함한 여러 아키텍처를 지원합니다.
• 효율적인 배포를 위한 TFLite 변환을 제공합니다.
• 스트리밍 및 비스트리밍 추론을 모두 지원합니다.
• 영어와 베트남어의 일반적인 ASR 데이터 세트에 대한 내장 지원을 제공합니다.