跳到主要内容

语音转文字（ASR）

ASR（Automatic Speech Recognition，自动语音识别）即语音转文字技术，是一种将人类语音实时转换为文本的技术，是语音助手、会议纪要、智能客服和语音输入等应用的重要基础。

硬件要求模型选择性能 Benchmark
RDK X5
USB 音箱/有线耳机		SenseVoiceRTF（inference_time_seconds/audio_seconds）：0.52（8 核 CPU）

硬件连接​

  • 将 USB 音箱接入 RDK X5 开发板的 USB 接口。
  • 将有线耳机接入 RDK X5 开发板的 Earphone 音频口。

环境准备​

安装依赖​

sudo apt update
sudo apt install libasound2-dev

获取案例代码并编译​

wget https://archive.d-robotics.cc/downloads/rdk_demo/rdk_x5_demo/asr_demo_cpp.tar.gz
tar zxvf asr_demo_cpp.tar.gz
cd asr_demo_cpp
cmake -S . -B build
cmake --build build -j6

案例启动​

提示
  • 该功能获取麦克风输入，进行 ASR，请在安静的环境中体验，建议使用带去噪的音频设备。
  • 运行时指定音频设备请参考 Earphone 音频口 章节，更多配置请查看案例代码的 README。
  • 若 ASR 识别不到，可尝试降低 threshold 和 vad-threshold。
#在asr_demo_cpp路径下运行
./build/asr_microphone --device plughw:0,0 --threshold 0.03 --vad-threshold 0.5
asr-run-result