早上好，希望您有一杯非常好喝的咖啡～

點對點語音辨識工具套件

昨天已經介紹了兩個語音辨識的套件，介紹完下面三種，基本上你已經可以說是了解了語音辨識的皮毛，是認識語音辨識基礎的最後一篇，讓我們快速進入主題，接著繼續介紹點對點語音套件⋯⋯

3. Wenet：這是一個開源的自動語音辨識（ASR）系統，主要在實現高效的語音辨識技術。它主要用於將語音轉換為文本。其支持多語言的語音辨識、靈活的架構（可以自定義特徵處理、模型結構和訓練流程，以適應不同的應用場景），且Wenet擁有一個活躍的開發和用戶社區，提供了文檔、教程和技術支持，有助於用戶更好地使用和理解這個系統。

4. DeepSpeech：DeepSpeech是Mozilla開源的自動語音辨識（ASR）引擎，使用深度學習技術將語音轉換為文字。它具有高度準確性的語音辨識，支援多語言，並具備跨平台能力。DeepSpeech的開源性質使其成為開發自定義語音辨識應用的理想工具，無論是在語音識別系統、虛擬助手、字幕生成還是其他語音相關應用中，都具有廣泛的潛力。它的模型和訓練數據可供免費下載和使用，並吸引了全球社區的參與和貢獻，以不斷改進和擴展其功能。

5. 參考的書籍有提到新一代的Kaldi，其分為三個部分：

• Lhotse負責所有的資料準備及其相關工作，使用Python開發，可用於其他語音辨識工具套件。
• K2將FST及FSA演算法融合到其他學習模型，讓開發人員可以更快速建構CTC、LF-MMI或其他點對點語音辨識模型。
• Icefall則是Kaldi中egs（示例）的角色。

參考書籍：Hey Siri及Ok Google原理：AI語音辨識專案真應用開發
參考網站：今日無
學習對象：ChatGPT