使用 Tensorflow 在 Android 上实现离线连续语音识别器的最有效方法是什么？

Question

我正在寻找一种方法来实现在 Android 上运行的离线连续语音识别器，最好使用 Tensorflow 引擎。

该应用需要能够识别连续语音流中预定义的一组单词中的任何单词，并且假设 Android 设备可能位于不支持互联网连接的区域，因此 Google 服务这些都是不可能的。

是否有任何 RNN 或 CNN 模型可以实现这一目标？

Answer 1

您可以使用TensorFlow Lite 上提供的Speech Recognition（向下滚动并搜索“语音识别”）模型。它可以为音频流中所说的单词生成概率分数。最棒的是他们提供了一个Android示例here。

使用 TensorFlow Lite 模型，您无需有效的互联网连接即可进行预测。这可能会影响应用程序的大小（.tflite 模型文件可能会很大）。

您可以构建一个简单的方法，从模型的预测中提取必要的单词。