#系统环境
ubuntu 20.04 lts，系统上安装的python3默认为python3.8，在国外linode云主机上进行了测试。
#安装：
sudo apt更新
sudo apt-getinstallpython3cmakesoxlibsndfile1- devffmpegflac-y
curl https://bootstrap.pypa.io/get-pip.py-oget-pip.py
python3 get-pip.py
git clone https://github.com/espnet/espnet
cd espnet/tools
./setup _ python.sh $ (command-vpython3)
#fix bug on matplotlib
sudo apt-getinstalllibfreetype6- dev-y
pipinstalltorch==1.7.1chainer==6.0.0kaldiioespnet
make TH_VERSION=1.7.1 CPU_ONLY=0
#安装实用程序
apt install lrzsz pcp
将测试的中文语音文件t.wav上传到当前文件夹。 代码中的“kamo-naoyuki/aishell_conformer”是aishell数据集的预训练模型名称(https://github.com/espnet/espnet _ model _ zzel )
importsoundfilefromespnet _ model _ zoo.downloaderimportmodeldownloaderfromespnet2. bin.ASR _ inferenceimportspech2tete d.download _ and _ unpack (kamo-nao yuki/ai shell _ conformer ) )、# decodingparametersarenotincludedinthemodelfilemamarer ctc_weight=0.3 nbest=1) audio，rate=soundfile.read(t.wav ) nbests=speech2text(audio ) text，* _=n bests
功能效果：
t.wav测试文件中的我的原句是：“我试着说一句。 请识别一下。 请看效果”
识别后的中文是“我说一句话，不要看他怎么说我”