yaming116/sherpa-onnx-asr

sherpa-onnx-asr 镜像文档

镜像概述

本镜像基于小米的 https://github.com/k2-fsa/sherpa-onnx 构建，提供了HTTP服务及文件转换功能，可将音频文件转换为文字，方便对接各类服务使用。

核心功能与特性

• 支持语音识别，将音频文件转换为文字
• 提供Web测试界面，部署后可直接通过浏览器访问使用
• 支持多种模型版本：
  • latest：完整版，当前占用约1G内存
  • zipformer-2024-7-5：zipformer模型版本
  • paraformer-2024-7-5：paraformer非流式识别模型（sherpa-onnx推荐，识别效果更好）
  • sherpa-onnx-asr-tiny:latest：低内存版本
• 支持中文数字、百分比转数字功能

使用场景

• 需要语音识别功能的服务对接
• 音频文件转文字处理
• 轻量级语音识别服务部署

使用方法

镜像拉取

bash
# 完整版（约1G内存占用）
docker pull yaming116/sherpa-onnx-asr:latest

# zipformer模型版本（与latest模型版本一致）
docker pull yaming116/sherpa-onnx-asr:zipformer-2024-7-5

# paraformer非流式识别模型（推荐，效果更好）
docker pull yaming116/sherpa-onnx-asr:paraformer-2024-7-5

# 低内存版本
docker pull yaming116/sherpa-onnx-asr-tiny:latest

容器部署

bash
docker run -d \
--restart=always -it \
--name sherpa-onnx-asr \
-p 5001:5001 \
yaming116/sherpa-onnx-asr:latest

部署完成后，访问 http://ip:5001 即可使用Web测试界面。

版本更新记录

• 2024-7-5：增加中文数字、百分比转数字支持
• 2024-6-30：增加paraformer模型支持

接口说明

识别接口

• 地址：:5001/api
• 入参：file（音频文件）
• 返回参数：

  json
  {
      "code": 0,
      "data": [
          {
              "key": "rand_key_1qeoePtwBldGD",
              "text": "华为致力于把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。"
          }
      ],
      "filename": "/funAsr/static/tmp/16k16bit.mp3",
      "msg": "ok"
  }
  

测试资源

华为测试音频链接：
[***]

相关链接

关注公众号交流HomeAssistant相关技术：
!https://raw.githubusercontent.com/yaming116/sherpa-onnx-asr/main/IMG_8406.JPG

关于paraformer和zipformer的区别可参考：https://github.com/yaming116/sherpa-onnx-asr/issues/1