标签: mozilla-deepspeech

我有一个PHP Web应用程序,我正在寻找一个开源,高精度的语音到文本识别实现,它将采用语音命令打开用户的网页.示例:" Make Sales "(这将打开Create Sales PHP页面)," Make Purchase order "," Open END-OF-DAY reports "等.

我的问题:

我想知道我们是否可以使用Mozilla DeepSpeech从Firefox浏览器中获取.wav音频并将语音返回文本.如果是的话,使用话筒从Firefox录制语音的流量是什么？使用DeepSpeech引擎转换文本？

如何制作类似于OK-GOOGLE的唤醒/启动呼叫,它将准备好侦听命令？

我想在我的 Linux 22.04 系统上使用 Mozilla 的 DeepSpeech，请访问以下网站：

https://deepspeech.readthedocs.io/en/r0.9/?badge=latest 

在最开始的那一行，

pip3 install deepspeech

我收到这个错误：

pip3 install deepspeech

我上网并遵循了所有方法，例如升级 pip3、使用 pip 而不是 pip3。我无法解决这个问题。

这个网站：

ERROR: Could not find a version that satisfies the requirement deepspeech (from versions: none)
ERROR: No matching distribution found for deepspeech

建议使用存档。我不明白在这一步我应该归档哪个存储库。

如果你能帮助我，那真是太好了。

我收到的错误是：

FileNotFoundError: [Errno 2] SoX not found, use 16000hz files or install it: 系统找不到指定的文件

我的音频文件来自 mp4 视频文件，然后从 VLC 转换为 WAV 文件。默认情况下采样率为 8000 Hz，看来 DeepSpeech 需要 16kHz 文件，因此需要 SoX 插件。

我运行了 pip install SoX 和pip install --upgrade SoX.
要求已满足：SoX 已e:\downloads\deep speech\lib\site-packages (1.4.1)
满足要求：e:\downloads\deeppeech\lib\site-packages 中的 numpy>=1.9.0 (来自 SoX) (1.21.4)
所以它就在这里。然后，我将 E:\Downloads\Deep Speech\Lib\site-packages 添加到 Windows 上的系统环境变量中，以防万一。总的来说，我对 Python 很陌生，并且在这里遇到了困难。

有人可以帮我吗？

我想使用我录制的音频样本在 Mozilla TTS 中创建自定义语音，但不知道如何开始。Mozilla TTS 项目有文档和教程，但我在将这些部分放在一起时遇到了麻烦——似乎缺少一些初学者需要知道的基本信息。

我有一些问题：

1. 我看到 Mozilla TTS 有一个 Docker 映像，但它的文档涵盖了创建语音，但没有提到培训。我可以使用 Docker 镜像进行训练吗？
2. 如果我不能使用 Docker 镜像进行训练，我如何使用 Python 3 获得在我的系统上运行的 Mozilla TTS 的功能副本？我已尝试按照项目提供的命令进行操作，但出现依赖项错误、版本冲突或关于没有足够权限安装软件包的错误。
3. 我需要什么信息来训练模型？我需要什么音频格式？我看到我需要一个metadata.csv文件——我需要在那个文件中放入什么？我在配置文件中自定义了什么？
4. 大多数配置引用一个scale_stats.npy文件——我如何生成它？
5. 我如何进行培训？