EasyASR离线预测（DLC）算法组件可以调用SavedModel模型，并使用PAI-DLC计算引擎进行语音识别预测或语音分类预测。本文介绍EasyASR离线预测（DLC）算法组件的配置方法及使用示例。

前提条件

已开通OSS并完成授权，详情请参见开通OSS服务和为PAI-Studio授予OSS访问权限。

使用限制

仅PAI-Studio 2.0提供该算法组件。

算法简介

EasyASR离线预测（DLC）算法组件支持语音识别和语音分类离线预测功能，您可以通过该组件调用TensorFlow SavedModel进行预测，建议在多机单卡环境下运行该组件。

EasyASR离线预测（DLC）算法组件位于组件库音视觉算法文件夹下的离线模型预测子文件夹。

可视化配置组件

  • 输入
    EasyASR离线预测（DLC）算法组件需要如下两个输入：
    • 存储输入音频URL的CSV文件

      在EasyASR离线预测（DLC）算法组件前面接一个读OSS数据组件，并将读OSS数据组件的输出接入EasyASR离线预测（DLC）组件的左侧输入桩。同时，您需要配置读OSS数据组件的OSS数据路径参数为存储输入音频URL的CSV文件的路径。

    • SavedModel格式的模型
      您可以通过以下两种方式配置输入的SavedModel模型：
      • 方法一：通过输入桩配置
        在EasyASR离线预测（DLC）算法组件前面接一个EasyASR语音识别训练组件或EasyASR语音分类训练组件，并将该组件的输出接入EasyASR离线预测（DLC）组件的右侧输入桩，即将训练获得的SavedModel直接用于离线预测，如下图所示。输入桩示例
      • 方法二：通过组件参数配置

        直接在配置参数中填写SavedModel的OSS路径，即配置模型路径参数，此时您还需要搭配使用自定义模型参数一起使用，详情请参见下文的组件参数。

  • 组件参数
    页签 参数 是否必选 描述 默认值
    参数设置 Buckets 是 存放待预测音频文件的OSS Bucket，选择到Bucket根目录即可。 无
    使用模型名称 否 EasyASR离线预测（DLC）算法组件支持使用以下类型的模型进行离线预测：
    • Wav2Letter ASRwav2Letter类型的语音识别模型。
    • Transformer ASRtransformer类型的语音识别模型。
    • 音频分类：语音分类模型。
    		Wav2Letter ASR
    使用自定义模型 否 是否使用自定义模型，支持以下取值：
    • 否：此时您需要通过输入桩为EasyASR离线预测（DLC）算法组件配置输入的SavedModel模型，详情请参见上文的通过输入桩配置。
    • 是：此时您需要通过模型路径参数为EasyASR离线预测（DLC）算法组件配置输入的SavedModel模型。
    		否
    模型路径 否 仅使用自定义模型为是时，配置该参数为SavedModel的OSS路径，例如oss://my_bucket/my_checkpoint_dir/。 无
    输出CSV 是 输出CSV文件的OSS路径。例如oss://my_bucket/w2lplus-small/output.csv，组件会将预测结果写入到output.csv中。 无
    ASR词汇表 否 当使用模型名称为Wav2Letter ASR或Transformer ASR时，需要配置该参数，表示语音识别词汇表的OSS路径。例如oss://my_bucket/w2lplus-small/alphabet4k.txt，其中alphabet4k.txt为词汇表。 无
    URL列ID 否 在存储待预测音频URL路径的MaxCompute表中，URL所在列的编号，且从零开始编号。例如在第二列，则该参数取值为1。 0
    音频特征维度 否 音频LogFBank特征的维度，用于音频信号处理。该参数的取值为正整数。 80
    自定义音频分类模型类别集合 否 仅使用模型名称为音频分类时，配置音频分类模型的类别集合，各类别之间使用半角逗号（,）分隔。例如男声,女声，表示音频分为男声和女声两类。 无
    音频分类或回归模型预测片段秒数 否 仅使用模型名称为音频分类时，配置该参数。默认值10表示把音频每10秒切割一次，对其进行预测。 10
    执行调优 Worker数量 否 用于计算的Worker数量。 1
    计算线程数 否 单个Worker的计算线程数量。 6
    下载线程数 否 单个Worker中下载音频的线程数量。 7
    GPU机器选择 否 用于计算的GPU机型。 无
  • 输出

    EasyASR离线预测（DLC）算法组件的预测结果存储在输出CSV配置的CSV文件中。

示例

本文以语音分类为例，展示EasyASR离线预测（DLC）算法的使用方法。

  1. 将音频的URL记录在CSV文件中，并存储在OSS。
    在进行语音分类（或语音识别）的离线预测时，您需要将待预测的音频URL存储在CSV文件中，每一行为一个音频的URL，示例如下图所示。示例输入
  2. 构建如下实验。输入桩示例配置EasyASR离线预测（DLC）算法组件的使用模型名称参数为音频分类，其他参数使用默认值即可，详情请参见上文的组件参数。
  3. 查看输出的预测结果。

    实验运行结束后，语音分类（或语音识别）的预测结果会输出在输出CSV配置的CSV文件中。