【🆓 語音辨識引擎sherpa-onnx CPU上篇】讓您輕鬆體驗語音辨識功能(Docker架設)
還記得我們之前介紹過「【Google Colab Python系列】 初探Whisper: 來一段Youtube影片進行語音辨識吧！」這套語音辨識引擎， 那為什麼我們又要教這一套? 因為我們也可以將whisper的模型轉換成onnx的格式， 輕鬆移植到各種平台， 且效能更佳。
語音辨識的熱門組件之一kaldi， 相信大部分接觸語音辨識的朋友都應該聽過， 而k2顧名思義就是第二代的全新組件， 在接觸kaldi 1的時期時， 許多的腳本搞的烏煙瘴氣， 而k2大部分都使用python程式語言來撰寫， 程式運作起來更有效率也非常有彈性。
而sherpa則是扮演著辨識引擎的角色， 後來主力都著重於發展sherpa-onnx， 因此我們決定來研究一下sherpa-onnx可以怎麼用。
對了， 讓我們架設的如此順利又讓您一鍵啟動的最大功臣莫過於「【Docker 容器化】初探微服務時代的虛擬化技術」， 如果您還不知道Docker， 真心建議您好好的學習一番， 它會讓我們減少許多環境建置上的時間成本。
章節重點
本章我們會以Python為主要的程式語言進行示範， 我們會使用Docker來封裝讓各位的環境盡量一致， 避免外部因素干擾學習， 章節重點如下：
環境準備
安裝
這邊我們會用pip直接進行安裝， 至於環境的部份請下載我們的「🎁 懶人包」， 裡面會有相關的docker compose配置檔， 讓您一鍵啟動服務， 並透過簡易的幾行指令就能夠完成整個Demo， 非常適合初入語音辨識朋友！
# 安裝套件
pip install sherpa-onnx
# 檢查是否安裝成功
python3 -c "import sherpa_onnx; print(sherpa_onnx.__file__)"
🔥 因此Dockerfile可以這樣撰寫：
如何下載模型？
❗ 在這邊您必須決定好要使用offline還是online的模型， 根據您選用的模型搭配相對應的腳本運行， 這邊我們會選用offline模型並示範檔案上傳語音辨識的過程。
預編譯模型可以來這裡找： https://k2-fsa.github.io/sherpa/onnx/pretrained_models/index.html#sherpa-onnx-pre-trained-models
今天我們選用的是: zrjin/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2 (Chinese)， 這個版本的模型相對較小， 因此辨識效果可能不佳， 我們僅拿來Demo使用。
cd models
wget <https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2.tar.bz2>
tar xvf sherpa-onnx-zipformer-multi-zh-hans-2023-9-2.tar.bz2
rm sherpa-onnx-zipformer-multi-zh-hans-2023-9-2.tar.bz2
下載sherpa-onnx專案
這一步是要讓我們使用該專案內的範例程式碼來架設Web頁面。
git clone <https://github.com/k2-fsa/sherpa-onnx.git>
如何啟動Web服務？
python sherpa-onnx/python-api-examples/non_streaming_server.py \\
--tokens models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2/tokens.txt \\
--encoder models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2/encoder-epoch-20-avg-1.onnx \\
--decoder models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2/decoder-epoch-20-avg-1.onnx \\
--joiner models/sherpa-onnx-zipformer-multi-zh-hans-2023-9-2/joiner-epoch-20-avg-1.onnx \\
--doc-root sherpa-onnx/python-api-examples/web
打開你的瀏覽器並輸入: http://localhost:6006， 試著切換到「Upload」頁籤， 連線後上傳音檔。
🔥 我們的docker compose配置檔
P.S 如果覺得操作起來太過於繁瑣的話， 也歡迎直接下載我們的🎁 懶人包， 讓您省去環境的繁雜安裝過程。
接著我們試著上傳一下範例所提供的音檔
關於範例程式碼的重點整理
這邊的核心程式碼在「NonStreamingServer」這個類別， 接收、辨識、回傳三大功能皆在此完成， 因此我們針對這裡的程式碼進行解析。
🎁 點我立即領取懶人包
我們的懶人包裡面包含了sherpa-onnx CPU版本的架設， 概念展示的範例程式，請您配合本章節的說明一步步的親自操演過一次， 如此一來才能夠更加明確的熟悉整體流程， 進一步掌握sherpa-onnx語音辨識的使用方法。
結語
本章節教您輕鬆開箱語音辨識組件， 而網路上也提供了各式各樣的預訓練模型， 假設我們只想要使用， 那麼我們可以去下載這些模型來掛載， 那如果我們想要自行訓練或者微調， 接下來的篇章我們也會教您如何去進行這些過程， 當我們學會使用也會訓練模型之後， 最重要的就是資料了， 就像我們把飲水器接好， 也會使用冷水熱水之後， 最重要的還是「水」， 它的重要程度就像我們的「資料」， 要如何大量的蒐集這些資料及管控品質就是另外一門學問了， 關於資料處理， 我們也推薦您閱讀以下幾個篇章：
參考資源
