语音识别相关工具和资料分享
作者：帅帅家的人工智障
原创文章，转载请申请原作者同意
常见的语音相关工具很多，这里介绍几种常见的工具。主要有Kaldi、PyTorch-Kaldi、SpeechBrain、pykaldi、ESPnet、其他语音识别工具。常用的Kaldi，也有端到端的工具ESPnet等。
Kaldi
Kaldi是 danpovey大神使用C++编写的开源语音识别工具集。目前占据整个语音识别工具的半边天。目前danpovey已经加入国内公司小米。
1 . 资源：
文档：http://kaldi-asr.org/doc/build_setup.html
论文：http://publications.idiap.ch/downloads/papers/2012/Povey_ASRU2011_2011.pdf
kaldi作者Dan Povey's博客：http://www.danielpovey.com/kaldi-lectures.html
gitbook上面中文教程Chinese Doc of Kaldi：https://shiweipku.gitbooks.io/chinese-doc-of-kaldi/content/about.html 版本比较老。
2 . 截止到2019年11月底github活跃情况：
kaldi语音识别大神povery的课程资料，帅帅家的人工智障公众号直接回复：201912151
PyTorch-Kaldi
Pytorch-Kaldi是一个开源的state-of-the-art DNN/RNN用于语音识别的项目。DNN部分依赖于Pytorch，数据预处理、特征提取、解码等依赖于Kaldi。
1 . 资源：
github：https://github.com/mravanelli/pytorch-kaldi
论文：https://arxiv.org/abs/1811.07453
vedio：https://www.youtube.com/watch?v=VDQaf0SS4K0&t=2s
Next Version: SpeechBrain
2 . 截止到2019年11月底github活跃情况：
哔哩哔哩视频链接：
https://www.bilibili.com/video/av63902650?from=search&seid=16607800262273505881
SpeechBrain
SpeechBrain项目旨在完全基于PyTorch构建新颖的语音工具包。借助SpeechBrain，用户可以轻松创建语音处理系统，范围包括语音识别（HMM / DNN和端到端的系统），说话人识别，语音增强，语音分离，多麦克风语音处理等。
目前只有预告还没有正式发布
1 . 资源：
主页：https://speechbrain.github.io/
github：https://github.com/speechbrain/speechbrain.github.io
vedio：https://www.youtube.com/watch?v=XETiKbN9ojE&feature=youtu.be
2 . 截止到2019年11月底github活跃情况：
哔哩哔哩视频链接：
https://www.bilibili.com/video/av71146616?from=search&seid=15739786385174746986
pykaldi
PyKaldi是Kaldi语音识别工具包的Python脚本层。为Kaldi和OpenFst库中的C ++代码提供了易于使用，开销低，一流的Python包装器。可以使用PyKaldi编写Python代码来完成其他需要编写C ++代码的事情，例如调用低级Kaldi函数，在代码中操作Kaldi和OpenFst对象或实现新的Kaldi工具。
1 . 资源：
文档：https://pykaldi.github.io/
github：https://github.com/pykaldi/pykaldi
论文：https://github.com/pykaldi/pykaldi/blob/master/docs/pykaldi.pdf
2 . 截止到2019年11月底github活跃情况：
ESPnet
ESPnet是一个端到端的语音工具，专注于端到端的语音识别和端到端的文本转语音。使用chainer和pytorch作为主要的深度学习引擎（框架）。遵循kaldi风格的数据处理、特征提取和格式化等。提供了一个完整的pipline。
1 . 资源：
文档：https://espnet.github.io/espnet/
github：https://github.com/espnet/espnet
论文：https://arxiv.org/abs/1804.00015?context=cs
2 . 截止到2019年11月底github活跃情况：
图像那边也有一个ESPnet，比如这个语义分割的演示视频：https://www.bilibili.com/video/av48838117?from=search&seid=3905488616269165989
其他语音工具
1 . 其他著名语音识别引擎及其特点：
2 . 移动或者手机端：
3 . 还有一些wiki的可以参考的：
wiki: https://en.wikipedia.org/wiki/List_of_speech_recognition_software
我之前上传b站的一些国外的语音相关的视频【 语音自然语言深度学习课程 】Deep Learning for Speech and Language（合辑）（英文字幕部分）
https://www.bilibili.com/video/av38854819/
【 语音 Speaker Recognition 】A Novel Method for Speaker Recognition without Active Enrollment（英文字幕）
https://www.bilibili.com/video/av36308563/
【 语音Speaker Verification 】Generalized End-to-End Loss for Speak（英文字幕）
https://www.bilibili.com/video/av36308874/
【语音 Speaker Verification】Deep Neural Network Embeddings for Text-Independe（英文字幕）
https://www.bilibili.com/video/av36308701/
【 两分钟论文 】This AI Learned To Isolate Speech Signals（英文字幕）https://www.bilibili.com/video/av35977892/
相关推荐阅读
欢迎关注我的公众号“帅帅家的人工智障”，或者同名 微博，一起学习提升。
