问题描述
我正在尝试在我的 .net core 3.1 Web 应用程序上实现语音到文本,而不使用任何云服务,例如 Azure、AWS 或 Google。
我找到了像 deepspeech、kaldi、pocketpheonix 这样的选项。看起来它们可以在 .net core 应用程序上实现,但作为 .net core 和后端开发的初学者,我不知道如何使用它们,而且它们的文档对初学者不太友好。
因此,如果您能简要介绍如何在 .net core 上实现这些 api 或链接到一些文章,那将非常有帮助。
解决方法
只是我个人的看法,一些 Kaldi 或 PocketSphinx 专家可能有不同的看法。
Kaldi + PocketSphinx
你需要在 Windows 上自己编译所有源代码,而 Kaldi 在 Linux 上构建是一件令人头疼的事,所以我猜它在 Windows 上也好不到哪里去。也就是说,他们使用的资源更少,而且速度通常更快。
DeepSpeech
只需下载当前的英语声学模型 (pbmm) 和语言模型 (scorer) 并使用 .NET example code。无需编译即可工作。