sherpa-onnx-streaming-paraformer-bilingual-zh-en 模型 用麦克风流式推理 经常会漏掉最后一个字

[Text2-m]

6_介绍一下巡检机器_1727156347.7198553.zip

[csukuangfj]

请用文字和代码描述如何复现

[Text2-m]

脚本参考 python-api-examples/speech-recognition-from-microphone-with-endpoint-detection.py 把加载模型换成了paraformer的，把麦克风拾到音保存了音频文件我听着，还挺清楚的，基本上漏掉最后一个字的概率有50% def create_recognizer(args): assert_file_exists(args.encoder) assert_file_exists(args.decoder) assert_file_exists(args.tokens)

Please replace the model files if needed.

# See https://k2-fsa.github.io/sherpa/onnx/pretrained_models/index.html
# for download links.
recognizer = sherpa_onnx.OnlineRecognizer.from_paraformer(
    tokens=args.tokens,
    encoder=args.encoder,
    decoder=args.decoder,
    num_threads=1,
    sample_rate=16000,
    feature_dim=80,
    enable_endpoint_detection=True,
    rule1_min_trailing_silence=2.4,
    rule2_min_trailing_silence=1.2,
    rule3_min_utterance_length=300,  # it essentially disables this rule
    decoding_method=args.decoding_method,
    provider=args.provider,
)
return recognizer

[csukuangfj]

https://github.com/k2-fsa/sherpa-onnx/blob/master/python-api-examples/streaming-paraformer-asr-microphone.py

你要用这个脚本

[Text2-m]

用你这个脚本，也漏最后一个字

https://github.com/k2-fsa/sherpa-onnx/blob/master/python-api-examples/streaming-paraformer-asr-microphone.py

你要用这个脚本

[csukuangfj]

那你用 build/bin 下面的 sherpa-onnx-microphone 测试呢？

看了下， python 的例子代码里，没有在 endpoint 的时候，再加一些 padding.

C++ 例子代码，有加的

https://github.com/k2-fsa/sherpa-onnx/blob/d8809b520ee3824b8dea139270c14d98f50ad0b9/sherpa-onnx/csrc/sherpa-onnx-microphone.cc#L186-L197

---

还有，流式模型，建议用 https://k2-fsa.github.io/sherpa/onnx/pretrained_models/online-transducer/zipformer-transducer-models.html#csukuangfj-sherpa-onnx-streaming-zipformer-bilingual-zh-en-2023-02-20-bilingual-chinese-english

[Text2-m]

那你用 build/bin 下面的 sherpa-onnx-microphone 测试呢？

看了下， python 的例子代码里，没有在 endpoint 的时候，再加一些 padding.

C++ 例子代码，有加的

https://github.com/k2-fsa/sherpa-onnx/blob/d8809b520ee3824b8dea139270c14d98f50ad0b9/sherpa-onnx/csrc/sherpa-onnx-microphone.cc#L186-L197

还有，流式模型，建议用 https://k2-fsa.github.io/sherpa/onnx/pretrained_models/online-transducer/zipformer-transducer-models.html#csukuangfj-sherpa-onnx-streaming-zipformer-bilingual-zh-en-2023-02-20-bilingual-chinese-english

你们的模型是这个吗 https://modelscope.cn/models/iic/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-online-onnx/files ，如果不是用这个onnx的模型能推理吗，我看这个模型训练用了6w小时的数据

[Text2-m]

还有一个问题，paraformer推理做padding 是不是端点处往后再录入一秒的音频推理就行了？

[csukuangfj]

1. 我们提供的所有 paraformer 预训练模型，都是来自 funasr。具体哪个对应那个，请自己去我们的文档里找。

还有一个问题，paraformer推理做padding 是不是端点处往后再录入一秒的音频推理就行了？

可以的。上面已经告诉你如何做了，不知道你去试了没？如果试了的话，应该就没有问题了。

[Text2-m]

好的，感谢

发自我的iPhone

------------------ 原始邮件 ------------------ 发件人: Fangjun Kuang @.> 发送时间: 2024年9月25日 19:44 收件人: k2-fsa/sherpa-onnx @.> 抄送: zm_11 @.>, Author @.> 主题: Re: [k2-fsa/sherpa-onnx] sherpa-onnx-streaming-paraformer-bilingual-zh-en 模型 用麦克风流式推理 经常会漏掉最后一个字 (Issue #1373)

我们提供的所有 paraformer 预训练模型，都是来自 funasr。具体哪个对应那个，请自己去我们的文档里找。

还有一个问题，paraformer推理做padding 是不是端点处往后再录入一秒的音频推理就行了？

可以的。上面已经告诉你如何做了，不知道你去试了没？如果试了的话，应该就没有问题了。

— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you authored the thread.Message ID: @.***>