deepspeech2 百度研究公司的Deep Speech 2模型于2015年发布，可将语音从文本的端到端从标准化的声谱图转换为字符序列。 它由在时间和频率上的几个卷积层组成，然后是门控循环单元（GRU）层（通过附加的批归一化进行了修改）。 该存储库仅包含模型代码，但是您可以通过使用deepspeech2进行训练。 安装 此项目建议使用Python 3.7或更高版本。 我们建议为此项目创建一个新的虚拟环境（使用虚拟环境或conda）。 先决条件 Numpy： pip install num