# A Full-Convolutional Neural Networks-Based Chinese Speech Recognition System
基于全卷积神经网络的中文语音识别系统
[](https://opensource.org/licenses/GPL-3.0) [](https://www.tensorflow.org/) [](https://keras.io/) [](https://www.python.org/)
## Introduction 简介
本项目使用TensorFlow基于全深度卷积神经网络实现。
通过git克隆仓库以后，需要将datalist目录下的文件全部拷贝到dataset目录下，也就是将其跟数据集放在一起。
```shell
$ cp -rf datalist/* dataset/
```
目前可用的模型有24、25和251
本项目开始训练请执行：
```shell
$ python3 train_mspeech.py
```
本项目开始测试请执行：
```shell
$ python3 test_mspeech.py iters_num （这里的iters_num为迭代的step数，可以在生成的step_dfcnn.txt文件里查看）
```
测试之前，请确保代码中填写的模型文件路径存在。
ASRT API服务器启动请执行：
```shell
$ python3 asrserver.py
```
## Model 模型
### Speech Model 语音模型
CNN + LSTM/GRU + CTC
### Language Model 语言模型
基于概率图的最大熵隐马尔可夫模型
## About Accuracy 关于准确率
当前，最好的模型在测试集上基本能达到80%的汉语拼音正确率
不过由于目前国际和国内的部分团队能做到97%，所以正确率仍有待于进一步提高
## Python Import
Python的依赖库
* python_speech_features
* TensorFlow
* Keras
* Numpy
* wave
* matplotlib
* math
* Scipy
* h5py
## Data Sets 数据集
* 清华大学THCHS30中文语音数据集
data_thchs30.tgz
<http://cn-mirror.openslr.org/resources/18/data_thchs30.tgz>
<http://www.openslr.org/resources/18/data_thchs30.tgz>
test-noise.tgz
<http://cn-mirror.openslr.org/resources/18/test-noise.tgz>
<http://www.openslr.org/resources/18/test-noise.tgz>
resource.tgz
<http://cn-mirror.openslr.org/resources/18/resource.tgz>
<http://www.openslr.org/resources/18/resource.tgz>
* Free ST Chinese Mandarin Corpus
ST-CMDS-20170001_1-OS.tar.gz
<http://cn-mirror.openslr.org/resources/38/ST-CMDS-20170001_1-OS.tar.gz>
<http://www.openslr.org/resources/38/ST-CMDS-20170001_1-OS.tar.gz>
基于Python全卷积神经网络的语音识别系统源码+数据集+详细文档（高分毕业设计）.zip
版权申诉
30 浏览量
2024-04-17
14:14:30
上传
评论
收藏 36.73MB ZIP 举报
基于Python全卷积神经网络的语音识别系统源码+数据集+详细文档（高分毕业设计）.zip （99个子文件） 
DFCNN-master-master model_speech m_DFCNN 
speech_model_dfcnn_e_0_step_60000.model.base 5.82MB speech_model_dfcnn_e_0_step_60000.model 5.8MB general_function __init__.py 166B file_dict.py 12KB muti_gpu.py 4KB __pycache__ file_dict.cpython-36.pyc 14KB gen_func.cpython-36.pyc 555B file_wav.cpython-36.pyc 5KB muti_gpu.cpython-36.pyc 4KB __init__.cpython-36.pyc 311B gen_func.py 514B file_wav.py 8KB read_data.py 11KB asrserver.py 3KB datalist st-cmds 
test.wav.txt 129KB train.wav.txt 6.29MB test.syllabel.txt 145KB dev.syllabel.txt 44KB dev.wav.txt 39KB train.syllabel.txt 7.06MB thchs30 dev.wav.lst 31KB test.wav.lst 91KB train.wav.lst 371KB test.syllabel.txt 423KB dev.syllabel.txt 151KB train.syllabel.txt 1.65MB aishell dev.wav.lst 909KB test.wav.lst 463KB train.wav.lst 7.67MB test.syllabel.txt 638KB dev.syllabel.txt 1.22MB train.syllabel.txt 10.3MB dataset st-cmds test.wav.txt 129KB train.wav.txt 6.29MB test.syllabel.txt 145KB dev.syllabel.txt 44KB dev.wav.txt 39KB train.syllabel.txt 7.06MB thchs30 dev.wav.lst 31KB test.wav.lst 91KB train.wav.lst 371KB test.syllabel.txt 423KB dev.syllabel.txt 151KB train.syllabel.txt 1.65MB aishell dev.wav.lst 909KB test.wav.lst 463KB train.wav.lst 7.67MB test.syllabel.txt 638KB dev.syllabel.txt 1.22MB train.syllabel.txt 10.3MB LanguageModel.py 7KB step_dfcnn.txt 54B kill_PID.py 254B test_mspeech.py 2KB read_data_aishell.py 22KB dict_2.txt 32KB testClient.py 435B train_mspeech.py 2KB SpeechModel_DFCNN.py 17KB test.py 3KB README.md 2KB log 20180903.log 5.66MB 20180907.log 16KB 20180905_2.log 577KB 20180829.log 15KB 20180904.log 161KB 20180831.log 10KB 20180905.log 369KB 20180830.log 10KB 20180824.log 113KB 20180906.log 2.73MB model_language language_model1.txt 47KB language_model2.txt 4.97MB dic_pinyin.txt 1.94MB gpu_condition.py 60B gen_aishell_data gen_dict.py 13KB aishell_pre.py 5KB datalist st-cmds test.wav.txt 129KB train.wav.txt 6.29MB train.syllable.txt 7.06MB test.syllable.txt 145KB dev.syllable.txt 44KB dev.wav.txt 39KB thchs30 train.syllable.txt 1.65MB cv.syllable.txt 151KB test.syllable.txt 423KB test.wav.lst 91KB train.wav.lst 371KB cv.wav.lst 31KB .st-cmds.swp 12KB aishell dev.wav.lst 909KB train.syllable.txt 10.3MB test.syllable.txt 638KB test.wav.lst 463KB dev.syllable.txt 1.22MB train.wav.lst 7.67MB read_data_aishell.py 22KB dict.txt 32KB
171265889347208773632.zip 416B资源评论
