DeepSpeech 是一個開源的語音文字引擎，使用的是基於百度深度語音研究論文的機器學習技術訓練的模型。DeepSpeech 項目使用谷歌的 TensorFlow，以使實施更加容易。
#https://deepspeech.readthedocs.io/en/r0.9/?badge=latest # 創建一個虛擬環境 virtualenv -p python3 $HOME/tmp/deepspeech-venv/ source $HOME/tmp/deepspeech-venv/bin/activate # 安裝 DeepSpeech pip3 install deepspeech # 下載預編譯都英文模型文件 curl -LO https://github.com/mozilla/DeepSpeech/releases/download/v0.9.3/deepspeech-0.9.3-models.pbmm curl -LO https://github.com/mozilla/DeepSpeech/releases/download/v0.9.3/deepspeech-0.9.3-models.scorer # 下載測試音頻文件 curl -LO https://github.com/mozilla/DeepSpeech/releases/download/v0.9.3/audio-0.9.3.tar.gz tar xvf audio-0.9.3.tar.gz # 把音頻文件轉換成文字 deepspeech --model deepspeech-0.9.3-models.pbmm --scorer deepspeech-0.9.3-models.scorer --audio audio/2830-3980-0043.wav
使用 DeepSpeech 轉換法語
DeepSpeech 目前只預先訓練了英語和漢語普通話，如果要轉換法語，可以使用 Common Voice 下的 commonvoice-fr 中都模型。轉到發佈頁面，下載 model_tensorflow_fr.tar.xz 這個文件即可。實際使用中，你可能需要需要安裝 ffmpeg 和 vox 來轉換 mp3 格式都音頻文檔。轉換後的文字沒有段落，需要手動分段。
sudo dnf install ffmpeg sox ffmpeg -i speech.mp3 speech.wav deepspeech --model output_graph.pbmm --scorer kenlm.scorer --audio audio/speech.wav > speech.txt
如果想要把文字轉換成語音，可以使用Mozilla 的開源文字轉語音庫。