Facebook强势发布开源语音识别工具包——wav2letter

今日凌晨，Facebook AI研究中心宣布开源语音识别工具包wav2letter！这是一款简单高效的端到端自动语音识别（ASR）系统，wav2letter 实现的是论文 Wav2Letter: an End-to-End ConvNet-based Speech Recognition System 和 Letter-Based Speech Recognition with Gated ConvNets 中提出的架构。

16年11月，Facebook的三位研究者Ronan Collobert, Christian Puhrsch, Gabriel Synnaeve在arXiv.org上发布文章，正式提出了wav2letter。

文章中研究者介绍，这是一个简单的端到端语音识别模型，结合了基于卷积网络的声学模型和图解码。其被训练输出文字，转录语音，而无需强制对齐音素。wav2letter还引入了一个自动的序列标注训练分割准则，而不需要与CTC一致的对齐方式，这种方式更简单。

项目代码已经发布至GitHub，如果你想直接开始进行语音转录，你可以使用同时被开源的预训练好的一些模型，前提是完成必要的安装。当然，目前能识别的只有英文语音哦！

开源代码GitHub链接：

https://github.com/facebookresearch/wav2letter

论文arXiv链接：

https://arxiv.org/abs/1609.03193

Facebook也发布了公开信介绍这一开源项目，包括该项目主要负责人Ronan Collobert、Facebook AI研究中心负责人Yann Lecan等在内的研究者都在推特上介绍了这一发布。

文摘菌摘录了部分公开信内容如下：

我们刚刚开源我们的语音识别工具：wav2letter！

代码地址：

https://github.com/facebookresearch/wav2letter

我们将其与在LibriSpeech语料库中预先训练的一些模型一起发布，支持我们的最新论文Letter-Based Speech Recognition with Gated ConvNets。

wav2letter是在Torch上编写的一个简单的工具包，简化了对端到端语音识别系统的训练，并提供了一个允许快速解码的独立解码器。

它使我们能够复现我们最近的3篇论文（详见参考资料）。

敬请期待我们的更多研究。

Gabriel Synnaeve，Vitaliy Liptchinsky，Neil Zeghidour和Christian Puhrsch。

更多参考资料：

语料库 LibriSpeech。

http://www.openslr.org/12

论文 Letter-Based Speech Recognition with Gated ConvNets。

https://arxiv.org/abs/1712.09444

论文 Wav2Letter: an End-to-End ConvNet-based Speech Recognition System。

https://arxiv.org/abs/1609.03193

论文 Learning Filterbanks from Raw Speech for Phone Recognition。

https://arxiv.org/abs/1711.01161