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。
  - 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。

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。
构建如下实验。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。
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。