文章目录

• • 关于 WeNet
  • 快速上手识别
  • 训练环境准备
  • 训练

关于 WeNet

Production First and Production Ready End-to-End Speech Recognition Toolkit

• github: https://github.com/wenet-e2e/wenet
• 官方中文说明：https://github.com/wenet-e2e/wenet/blob/main/README_CN.md

快速上手识别

对应说明中的 1分钟 Demo，本例无需 gpu机器，这里我在 macOS 12.3.1 系统上测试。

1、下载文件、启动服务

# 下载文件
wget https://wenet-1256283475.cos.ap-shanghai.myqcloud.com/models/aishell2/20210618_u2pp_conformer_libtorch.tar.gz# 解压
tar -xf 20210618_u2pp_conformer_libtorch.tar.gz# 设置模型地址
model_dir=$PWD/20210618_u2pp_conformer_libtorch# docker 启动服务
docker run --rm -it -p 10086:10086 -v $model_dir:/home/wenet/model wenetorg/wenet-mini:latest bash /home/run.sh

• 在使用 docker 启动服务之前，应确保 docker 运行正常；比如使用 docker images 查看是否正产返回
  docker 安装使用，可参考：https://blog.csdn.net/lovechris00/article/details/122121369

2、使用web服务
下载 wenet 源码： https://github.com/wenet-e2e/wenet

上述docker 启动服务后，可以使用 chrome 访问 wenet-main/runtime/libtorch/web/templates/index.htm 文件；
如果使用其他浏览器，可能会加载有问题、访问麦克风失败、响应有问题等。

训练环境准备

conda create -n env_wenet python=3.8 
conda activate env_wenet 
# 安装依赖文件
conda install --yes --file requirements.txt
conda install pytorch=1.10.0 torchvision torchaudio=0.10.0 cudatoolkit=11.1 -c pytorch -c conda-forge

conda 使用提示：
conda 的安装使用，可参考：https://blog.csdn.net/lovechris00/article/details/123458990

# 查看已有环境
conda info -e# 退出环境
conda deactivate# 移除环境
conda remove -n env1 --all# 查看已安装的包
conda list

训练

根据官方说明，这里我也使用 aishell 进行测试

1、进入文件夹

cd examples/aishell/s0/# 创建数据下载保存的地方
mkdir data0

2、修改 data 位置
vim 进入 run.sh，将 data= 对应的值，改为你想存储的地址，这里我改为

data=/home/xx//wenet/examples/aishell/s0/data0

运行脚本将 把数据加载到这里，你也可以将已下载的数据，放到这里；脚本检测到后，将会跳过下载。

3、运行训练

bash run.sh

伊织 2023-02-10（五）