ASRT 是一套基于 深度学习 实现的 语音识别 系统，全称为 Auto Speech Recognition Tool，由 AI 柠檬博主开发并在 GitHub 上开源（GPL 3.0 协议）。本项目声学模型通过采用 卷积 神经网络 （CNN）和连接性时序分类（CTC）方法，使用大量中文语音数据集进行训练，将声音转录为中文拼音，并通过 语言模型 ，将拼音序列转换为中文文本。基于该模型，作者在 Windows 平台上实现了一个基于 ASRT 的 语音识别 应用软件它同样也在 GitHub 上开源了。
-
ASRT 项目主页：https://asrt.ailemon.me
-
GitHub 项目地址：https://github.com/nl8590687/ASRT_SpeechRecognition
这个开源项目主要用于 语音识别 的研究，作者希望它可以一步步发展为极高 准确率 的 ASR 系统。此外，因为模型和训练代码都是开源的，所以能节省开发者很多时间。同样，如果开发者想要根据需求修改这个项目，那也非常简单，因为 ASRT 的代码都是经过高度封装的，所有模块都是可以自定义的。如下展示了该项目的一些特征：
系统流程
特征提取：将普通的 wav 语音信号通过分帧加窗等操作转换为 神经网络 需要的二维频谱图像信号，即语谱图。
声学模型：基于 Keras 和 TensorFlow 框架，使用这种参考了 VGG 的深层的 卷积 神经网络 作为网络模型，并训练。
CTC 解码：在 语音识别 系统的声学模型输出中，往往包含了大量连续重复的符号，因此，我们需要将连续相同的符号合并为同一个符号，然后再去除静音分隔标记符，得到最终实际的语音拼音符号序列。
语言模型 ：使用统计 语言模型 ，将拼音转换为最终的识别文本并输出。拼音转文本本质被建模为一条隐含 马尔可夫链 ，这种模型有着很高的 准确率 。
使用流程
如果读者希望直接使用预训练的中文 语音识别 系统，那么直接下载 Release 的文件并运行就好了：
下载地址：https://github.com/nl8590687/ASRT_SpeechRecognition/releases/tag/v0.4.2
如果读者希望修改某些模块，或者在新的数据集上进行训练，那么我们可以复制整个项目到本地，再做进一步处理。首先我们通过 Git 将本项目复制到本地，并下载训练所需要的数据集。作者在项目 README 文件中提供了两个数据集，即清华大学 THCHS30 中文语音数据集和 AIShell-1 开源版数据集。
$ git clone https://github.com/nl8590687/ASRT_SpeechRecognition.git
THCHS30 和 ST-CMDS 国内下载镜像：http://cn-mirror.openslr.org/
在下载数据集后，我们需要将 datalist 目录下的所有文件复制到 dataset 目录下，也就是将其与数据集放在一起：
$ cp -rf datalist/* dataset/
在开始训练前，我们还需要安装一些依赖库：
-
python_speech_features
-
TensorFlow
-
Keras
-
wave
当然，其它如 NumPy、Matplotlib、Scipy 和 h5py 等常见的科学计算库也都是需要的。一般有这些包后，环境应该是没什么问题的，有问题也可以根据报错安装对应缺少的库。
训练模型可以执行命令行：
$ python3 train_mspeech.py
测试模型效果可以运行：
$ python3 test_mspeech.py