PPASR流式与非流式语音识别项目

PPASR是一款基于PaddlePaddle实现的自动语音识别框架，PPASR中文名称PaddlePaddle中文语音识别（PaddlePaddle 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。PPASR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。别忘了star

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。

本项目使用的环境：

• Anaconda 3
• Python 3.11
• PaddlePaddle 2.6.1
• Windows 11 or Ubuntu 22.04

在线试用

网页版： 在线试用地址

项目特点

1. 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。
2. 支持多种解码器，包含ctc_greedy_search、ctc_prefix_beam_search、attention_rescoring、ctc_beam_search等。
3. 支持多种预处理方法，包含fbank、mfcc等。
4. 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。
5. 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。
6. 更多特点等待你发现。

与V2版本的区别

1. 项目结构的优化，大幅度降低的使用难度。
2. 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。
3. 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。

更新记录

• 2025.03: 正式发布最终级的V3版本。

视频讲解

• 知识点讲解（哔哩哔哩）
• 流式识别的使用讲解（哔哩哔哩）

模型下载

1. WenetSpeech (10000小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：

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
Conformer	True	fbank	ctc_greedy_search	0.14758	0.19562	0.06925	加入知识星球获取
Conformer	True	fbank	ctc_prefix_beam_search	0.14689	0.19323	0.06930	加入知识星球获取
Conformer	True	fbank	attention_rescoring	0.13786	0.18922	0.06028	加入知识星球获取
Conformer	True	fbank	ctc_beam_search	0.20660	0.29835	0.05336	加入知识星球获取
DeepSpeech2	True	fbank	ctc_greedy_search				加入知识星球获取
DeepSpeech2	True	fbank	ctc_prefix_beam_search				加入知识星球获取
DeepSpeech2	True	fbank	ctc_beam_search				加入知识星球获取

2. AIShell (179小时，普通话) 的预训练模型列表，错误率类型为字错率（CER）：

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
Conformer	True	fbank	ctc_greedy_search	0.06110	加入知识星球获取
Conformer	True	fbank	ctc_prefix_beam_search	0.06114	加入知识星球获取
Conformer	True	fbank	attention_rescoring	0.05412	加入知识星球获取
Conformer	True	fbank	ctc_beam_search	0.04468	加入知识星球获取
DeepSpeech2	True	fbank	ctc_greedy_search	0.14134	加入知识星球获取
DeepSpeech2	True	fbank	ctc_prefix_beam_search	0.14132	加入知识星球获取
DeepSpeech2	True	fbank	ctc_beam_search	0.10598	加入知识星球获取

3. Librispeech (960小时，英语) 的预训练模型列表，错误率类型为词错率（WER）：

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
Conformer	True	fbank	ctc_greedy_search	0.07562	加入知识星球获取
Conformer	True	fbank	ctc_prefix_beam_search	0.07518	加入知识星球获取
Conformer	True	fbank	attention_rescoring	0.06669	加入知识星球获取
Conformer	True	fbank	ctc_beam_search