語音文字轉換（STT）系統，一種能夠將語音單詞轉換成文本的方法，用途十分廣泛，比如我們經常在用的微信聊天中語音轉文字功能。

過去，語音轉文本技術由專有軟件和庫控制；開源替代方案不存在或存在極端局限，如今這種形勢已經發生變化，今天你可以使用許多開源的語音轉文本工具和庫，今天，我們就舉5個好用的開源語音識別庫。

1、DeepSpeech項目 

[[285482]]

該項目由Mozilla開發，這是一個100％免費的開源語音轉文本庫，它使用了 TensorFlow 機器學習框架實現去功能。

你可以使用它自己構建訓練模型，以增強語音轉換到文本的效果，你還可以根據自己的需要引入其他語言，甚至可以輕松把它集成到TensorFlow上的其他機器學習項目中。唯一可惜的是，該項目目前默認情況下僅支持英語。

它也支持多種語言，例如Python（3.6）。運行十分簡單：

pip3安裝deepspeech  
deepspeech --model模型/output_graph.pbmm --alphabet模型/alphabet.txt --lm模型/lm.binary --trie模型/ trie --audio my_audio_file.wav  

你也可以使用npm安裝它：

npm安裝deepspeech 

近日，DeepSpeech還登上Github Trending周榜：

Github地址：https://github.com/mozilla/DeepSpeech

2、Kaldi

Kaldi是用C++編寫的開源語音識別軟件，遵循Apache公共許可協議，支持Windows，macOS和Linux，2009年就已經發布了。

與其他語音識別軟件相比，Kaldi的主要功能是可擴展和模塊化。社區提供了大量的第三方模塊，Kaldi還支持深度神經網絡，并在其網站上提供了完整的使用文檔。

雖然代碼主要是用C++編寫的，但是它通過 Bash 和 Python 腳本進行了封裝。因此，如果你只是想實現基本的語音轉換成文本功能，那通過Python或Bash就可以輕松實現這一點。

項目主頁：http://kaldi-asr.org/

3、Julius

這可能是有史以來最古老的語音識別軟件之一；京都大學在1991年的時候開發的，然后于2005年將它移交給一個獨立的項目團隊。

Julius 的主要特點包括了執行實時 STT 的能力，低內存占用（20000 單詞少于 64 MB），能夠輸出最優詞N-best word和詞圖Word-graph，能夠作為服務器單元運行等等。這款軟件主要為學術和研究所設計。它是由C 語言寫成，并且可以運行在 Linux、Windows、macOS 甚至 Android（在智能手機上）。

目前，它僅支持英語和日語，該軟件可能很容易安裝在Linux發行版的倉庫中。只需在軟件包管理器中搜索julius包即可。

項目主頁：https://github.com/julius-speech/julius

4、Wav2Letter ++

Wav2Letter ++是一款開源語音識別軟件，在今年由Facebook的AI研究團隊發布。該代碼在BSD許可下發布。Facebook將其倉庫描述為“當下最快、最先進的語音識別系統”，默認情況下，構建此工具所基于的概念使其針對性能進行了優化，Wav2Letter ++是基于FlashLight構建，它也是Facebook最新的機器學習庫。

使用Wav2Letter ++，你首先需要為你自己想要的語言構建訓練模型，以便于訓練算法，沒有任何一種語言（包括英語）的預訓練模型，它僅僅是個機器學習驅動的文本語音轉換工具，它用 C++ 寫成，因此被命名為 Wav2Letter++。

項目主頁：https://github.com/facebookresearch/wav2letter

5、DeepSpeech2

百度的研究人員也在研究自己的語音轉文本引擎DeepSpeech2。這是一個端到端的開源引擎，它使用“ PaddlePaddle”深度學習框架將英語和普通話的語音轉換為文本。該項目在BSD許可下發布。

該引擎可以針對任何模型和所需的任何語言進行培訓。模型不隨代碼一起發布；就像其他軟件一樣，你必須自己構建它們。DeepSpeech2的源代碼是用Python編寫的；因此，如果這是你使用的語言，你應該很快就能使用上手

項目地址：https://github.com/PaddlePaddle/DeepSpeech

語音識別類別主要還是由專有軟件巨頭（例如Google和IBM）來主導（它們確實為此提供了自己的閉源商業服務），但是開源替代方案是有希望的。這5個開源語音識別引擎讓你可以自己著手構建應用程序，不知道有沒有你用過的呢？