xdlinux FSD2019分享会：ASRT和我的开源经历

西安电子科技大学开源社区2019年一年一度的软件自由日再次来临，AI柠檬博主应邀参加，并做了主题为《ASRT和我的开源经历》的演讲，以下是PPT演讲的内容。

大家好，刚才上一位演讲者提到了，关于Mozilla公司的开源语音数据集采集项目，我也是非常建议大家如果有精力，做一份贡献，我最近一直主要在做语音识别相关的东西，对于语音数据集，尤其是中文数据集的缺乏，是很有感受的。所以，我今天在这里，也将我做语音识别和开源的相关经历与大家分享一下。

(切换到“我的闭源阶段”)

可能大家不知道，我的编程是从VB和易语言开始的，开源在当时对于我来说，就是给我提供了一个抄代码的地方，我的编程主要靠自学，在初学者阶段，模仿着编写一些记事本、计算器和通讯录等小工具软件，这对于我入门编程起了不小的作用，直到后来进入大学。

我是在大学本科阶段开始做的ASRT语音识别开源项目，它可以将中文语音转换为对应的汉字。通过电脑录音，将声音信号传送给声学模型和语言模型，最后识别得出最终的文本。

注：其技术原理详见我的另一篇博客文章：《ASRT：一个中文语音识别系统》。

(切换到“我开始做ASRT的阶段”)

语音信号首先要做特征提取，得到其对应的声学特征，然后交由深度网络进行计算。常用的特征提取算法有MFCC和fBank，以及我一直在用的语谱图特征。我的模型使用深度卷积神经网络实现，并使用CTC算法进行时序分类。为了训练我的语音识别模型，我使用了Tesla系列的显卡，下载了openslr上开源的中文语音数据集，模型训练了将近200小时，最后得到80%以上的准确率。而如果要继续提升准确率，由于数据的缺乏，机器设备的缺少，普通从业人员很难做到跟大厂专业团队一样的效果，这也就是开头刚才为什么我鼓励大家为Mozilla的开源语音数据集做一些贡献了。

(切换到“我的开源阶段”)

我的ASRT开源项目逐渐走向了大众，走向了真正的开源阶段，而最初仅仅是一个比赛的项目。开源的同时，由于关注的人群越来越大，也遇到了一些问题。

(切换到“开源后可能会遇到的各种问题”)

有一些其实无关紧要，比如频繁地收到讨论和询问一些问题的消息等，但有个别人的行为则会有些让人觉得有些不太好，比如违反GPL v3.0开源协议，不披露代码来源和版权归属，抄袭代码去发论文和申请专利，甚至没有跟我打招呼就直接用于如提供语音识别API服务的商业盈利目的，毕竟项目里还使用到一些开源语音数据集，其许可协议里也明确规定不允许商用，否则需要收费。有时还会遇到一些“趁火打劫”的，比如来推销GPU服务器和数据集的人，借帮我创建QQ交流群的名义拉人给他免费干活的，从QQ群中钓鱼的之类。

当然啦，遇到的人更多的都是非常热爱技术，一心想做出成果的学生、科研和企业的工作者们， 对于新手，我们会鼓励他学习进步，推荐一些资料和路线，当有人遇到问题，大家互相帮助，答疑解惑。我们有时也会看到，当有人有自己的想法后，学会了相关技术知识，便投入实践，自己做出一些语音识别的项目，甚至有自己的创新点，发出了不错的论文，并且开源在了GitHub上，这种每天努力进步，最后终于取得收获的精神，是值得我们学习的。

最后，如果你对ASRT和语音识别感兴趣，欢迎联系我，这里还有一些相关的链接，可以了解一下。

• ASRT 项目主页: https://asrt.ailemon.net/
• GitHub 仓库: https://github.com/nl8590687/ASRT_SpeechRecognition
• 机器之心报道: https://www.jiqizhixin.com/articles/021102
• AI柠檬博客上关于ASRT介绍文章: https://blog.ailemon.net/2018/08/29/asrt-a-chinese-speech-recognition-system/

版权声明 本博客的文章除特别说明外均为原创，本人版权所有。欢迎转载，转载请注明作者及来源链接，谢谢。 本文地址: https://blog.ailemon.net/2019/11/11/xdlinux-fsd2019-sharing-meet-asrt-and-my-open-source-experience/ All articles are under Attribution-NonCommercial-ShareAlike 4.0