快速开始

备注

阅读本篇前，请确保已按照安装教程准备好昇腾环境及 WeNet ！

本文档帮助昇腾开发者快速使用 WeNet × 昇腾进行自动语音识别（Automatic Speech Recognition, ASR）模型的训练、推理和评估等。

WeNet 提供了多种数据集及模型的实验脚本，该脚本将实验分为几个阶段，包含数据集的下载、模型的训练、推理、评估等，均存放在 examples 路径下，本篇以 aishell-1 数据集的实验为例，基于 WeNet 官方教程，详述如何使用 NPU 实验脚本进行从零开始的语音模型训练。

首先进入该脚本所在目录下：

1cd example/aishell/s0

下载数据

stage -1 阶段将 aishell-1 数据下载到本地路径 $data：

bash run_npu.sh --stage -1 --stop_stage -1

如果已下载数据，请更改 run_npu.sh 脚本中的变量 $data 值为实际数据集存放的绝对路径，并从下一阶段开始。

stage 0 阶段为训练数据准备阶段，将使用 local/aishell_data_prep.sh 脚本将训练数据重新组织为 wav.scp 和 text 两部分。

备注

wav.scp 每行记录两个制表符分隔的列： wav_id 和 wav_path, text 每行记录两个制表符分隔的列： wav_id 和 text_label。

bash run_npu.sh --stage 0 --stop_stage 0

stage 1 阶段从训练数据中提取 cmvn 特征，本阶段为可选阶段，设置 cmvn=false 可跳过本阶段。

bash run_npu.sh --stage 1 --stop_stage 1

tools/compute_cmvn_stats.py 用于提取全局 cmvn（倒谱均值和方差归一化）统计数据，用来归一化声学特征。

stage 2 阶段生成训练所需 token 字典，用于 CTC 解码阶段查询，将输出转换为文字。

bash run_npu.sh --stage 2 --stop_stage 2

stage 3 阶段生成 WeNet 所需格式的文件 data.list：

bash run_npu.sh --stage 3 --stop_stage 3

生成的 data.list``每一行都是 json 格式，包含关键词 ``key （文件名称），语音文件地址 wav 和对应文本内容 txt 三个关键数据。如下为一示例：

{"key": "BAC009S0002W0122", "wav": "/export/data/asr-data/OpenSLR/33//data_aishell/wav/train/S0002/BAC009S0002W0122.wav", "txt": "而对楼市成交抑制作用最大的限购"}

stage 4 为模型训练阶段， run_npu.sh 脚本中实现了 NPU 卡号的自动获取和相关环境变量设置，因此可直接通过以下启动昇腾 NPU 上的模型训练：

bash run_npu.sh --stage 4 --stop_stage 4

如需自行指定 NPU 卡号，请更改 run_npu.sh 脚本中的变量 ASCEND_RT_VISIBLE_DEVICES 值为指定卡号。

备注

有关断点重训，参数配置等，请参考 WeNet 官方文档。

stage 5 为模型测试推理阶段，将测试集中语音文件识别为文本：

bash run_npu.sh --stage 5 --stop_stage 5

此外，stage 5 还提供平均模型的功能，平均模型指当 ${average_checkpoint}``为 ``true 时，将交叉验证集上的最佳的 ${average_num} 个模型平均，生成增强模型。

备注

此阶段还提供解码和 WER 模型评估等功能，详细信息请参考 WeNet 官方文档。

stage 6 为模型导出阶段， wenet/bin/export_jit.py 使用 Libtorch 导出以上训练好的模型，导出的模型可用于其他编程语言（如 C++）的推理。

bash run_npu.sh --stage 6 --stop_stage 6