阿里云人工智能平台PAIEasyASR离线预测（MaxCompute）-云淘科技

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（MaxCompute）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（MaxCompute）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（MaxCompute）算法组件需要如下两个输入：
  • 存储输入音频URL的MaxCompute表

    在EasyASR离线预测（MaxCompute）算法组件前面接一个读数据表组件，并将读数据表组件的输出接入EasyASR离线预测（MaxCompute）组件的左侧输入桩。同时，您需要配置读数据表组件的表名参数为存储输入音频URL的MaxCompute表名。

  • 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（MaxCompute）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（MaxCompute）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Bucket根目录即可。	无
  	使用模型名称	否	EasyASR离线预测（MaxCompute）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（MaxCompute）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（MaxCompute）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
  	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
  	内存数	否	单个Worker的内存，单位为MB。	10000

• 输出

  EasyASR离线预测（MaxCompute）算法组件的预测结果存储在临时的MaxCompute表中，其中prediction列表示预测结果。您可以右键单击画布中的EasyASR离线预测（MaxCompute）算法组件，在弹出的快捷菜单中选择查看数据，以查看预测结果。此外，您也可以将EasyASR离线预测（MaxCompute）组件的输出桩接入写数据表组件，将预测结果写入MaxCompute表。

示例

本文以语言分类为例，展示EasyASR离线预测（MaxCompute）算法的使用方法。

1. 将音频的URL存储在MaxCompute表中。
   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MaxCompute中，示例如下图所示。
2. 构建如下实验。配置EasyASR离线预测（MaxCompute）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新的MaxCompute表中。该表在第一步准备的输入表基础上增加了一列prediction，表示预测结果。您可以右键单击画布中的EasyASR离线预测（MaxCompute）算法组件，在弹出的快捷菜单中选择查看数据，以查看预测结果。下图为语音分类的预测结果，每10秒音频片段进行一次预测。