jcsilva/docker-kaldi-gstreamer-server

docker-kaldi-gstreamer-server 镜像说明

镜像概述

本镜像基于 https://github.com/alumae/kaldi-gstreamer-server 构建，可快速部署自动语音识别（ASR）服务。它采用master-worker架构，允许用户在本地或远程搭建ASR服务器，并通过自定义Kaldi模型实现语音转文字功能。

核心功能

1. 快速部署：通过Docker容器一键启动master和worker服务；
2. 灵活架构：支持同一主机部署master和worker，或worker连接远程master；
3. 模型自定义：需用户提供Kaldi模型及对应的YAML配置文件；
4. 多客户端支持：兼容Python客户端、Android应用Kõnele、网页客户端dictate.js。

使用场景

• 搭建本地ASR服务用于开发测试；
• 集成语音识别功能到应用系统；
• 验证自定义Kaldi模型的识别效果。

配置说明

前提条件

• 已安装Docker（参考Docker官方安装文档）；
• 拥有Kaldi模型文件及对应的YAML配置文件（示例见https://github.com/alumae/kaldi-gstreamer-server%EF%BC%89%E3%80%82

获取镜像

从Docker Hub拉取

bash
docker pull jcsilva/docker-kaldi-gstreamer-server

本地构建

bash
docker build -t kaldi-gstreamer-server:1.0 https://github.com/jcsilva/docker-kaldi-gstreamer-server

部署方式

1. 同一主机部署master和worker

假设Kaldi模型位于主机/media/kaldi_models目录：

bash
docker run -it -p 8080:80 -v /media/kaldi_models:/opt/models jcsilva/docker-kaldi-gstreamer-server:latest /bin/bash

进入容器后启动服务：

bash
/opt/start.sh -y /opt/models/nnet2.yaml

服务启动后，ASR接口监听主机8080端口。停止服务执行：

bash
/opt/stop.sh

2. 部署worker连接远程master

假设Kaldi模型位于主机/media/kaldi_models目录：

bash
docker run -it -v /media/kaldi_models:/opt/models jcsilva/docker-kaldi-gstreamer-server:latest /bin/bash

进入容器后启动worker并连接远程master：

bash
/opt/start.sh -y /opt/models/nnet2.yaml -m master-server.com -p 8888

停止worker服务：

bash
/opt/stop.sh

测试验证

检查服务状态

使用WebSocket客户端（如https://github.com/hakobera/Simple-WebSocket-Client%EF%BC%89%E8%AE%BF%E9%97%AE%EF%BC%9A
ws://MASTER_SERVER/client/ws/status（本地服务为ws://localhost:8080/client/ws/status），成功返回：
RESPONSE: {"num_workers_available":1, "num_requests_processed":0}。

测试语音识别

• Python客户端：下载https://github.com/alumae/kaldi-gstreamer-server/blob/master/kaldigstserver/client.py%EF%BC%8C%E6%89%A7%E8%A1%8C%EF%BC%9A

  bash
  python client.py -u ws://localhost:8080/client/ws/speech -r 32000 /path/to/audio.wav
  

• Android应用：使用http://kaljurand.github.io/K6nele/%EF%BC%8C%E9%85%8D%E7%BD%AEWebSocket URL为ws://MASTER_SERVER/client/ws/speech。
• 网页客户端：使用http://kaljurand.github.io/dictate.js/%EF%BC%8C%E9%85%8D%E7%BD%AE%E6%9C%8D%E5%8A%A1%E5%9C%B0%E5%9D%80%E3%80%82

实战示例

以下是搭建英文ASR服务的步骤（需主机至少4GB RAM）：

1. 下载Kaldi模型：

   bash
   cd /media/kaldi_models
   wget https://phon.ioc.ee/~tanela/tedlium_nnet_ms_sp_online.tgz
   tar -zxvf tedlium_nnet_ms_sp_online.tgz
   

2. 下载YAML配置文件：

   bash
   wget https://raw.githubusercontent.com/alumae/kaldi-gstreamer-server/master/sample_english_nnet2.yaml -P /media/kaldi_models
   

3. 修改配置文件：

   bash
   find /media/kaldi_models/ -type f | xargs sed -i 's:test:/opt:g'
   sed -i 's:full-post-processor:#full-post-processor:g' /media/kaldi_models/sample_english_nnet2.yaml
   

4. 启动容器：

   bash
   docker run -it -p 8080:80 -v /media/kaldi_models:/opt/models jcsilva/docker-kaldi-gstreamer-server:latest /bin/bash
   

5. 启动服务：

   bash
   /opt/start.sh -y /opt/models/sample_english_nnet2.yaml
   

6. 测试识别：

   bash
   # 下载客户端和测试音频
   wget https://raw.githubusercontent.com/alumae/kaldi-gstreamer-server/master/kaldigstserver/client.py -P /tmp
   wget https://raw.githubusercontent.com/jcsilva/docker-kaldi-gstreamer-server/master/audio/1272-128104-0000.wav -P /tmp
   wget https://raw.githubusercontent.com/alumae/kaldi-gstreamer-server/master/test/data/bill_gates-TED.mp3 -P /tmp
   # 安装依赖
   pip install --user ws4py==0.3.2 simplejson pyaudio
   # 运行识别
   python /tmp/client.py -u ws://localhost:8080/client/ws/speech -r 32000 /tmp/1272-128104-0000.wav
   python /tmp/client.py -u ws://localhost:8080/client/ws/speech -r 8192 /tmp/bill_gates-TED.mp3
   

致谢

• kaldi
• https://github.com/alumae/gst-kaldi-nnet2-online
• https://github.com/alumae/kaldi-gstreamer-server
• http://kaljurand.github.io/K6nele/