语音文字转换（STT）系统，一种能够将语音单词转换成文本的方法，用途十分广泛，比如我们经常在用的微信聊天中语音转文字功能。
过去，语音转文本技术由专有软件和库控制；开源替代方案不存在或存在极端局限，如今这种形势已经发生变化，今天你可以使用许多开源的语音转文本工具和库，今天，我们就举5个好用的开源语音识别库。
1、DeepSpeech项目
该项目由Mozilla开发，这是一个100％免费的开源语音转文本库，它使用了 TensorFlow 机器学习框架实现去功能。
你可以使用它自己构建训练模型，以增强语音转换到文本的效果，你还可以根据自己的需要引入其他语言，甚至可以轻松把它集成到TensorFlow上的其他机器学习项目中。唯一可惜的是，该项目目前默认情况下仅支持英语。
它也支持多种语言，例如Python（3.6）。运行十分简单：
- pip3安装deepspeech
- deepspeech --model模型/output_graph.pbmm --alphabet模型/alphabet.txt --lm模型/lm.binary --trie模型/ trie --audio my_audio_file.wav
你也可以使用npm安装它：
- npm安装deepspeech
近日，DeepSpeech还登上Github Trending周榜：
Github地址：https://github.com/mozilla/DeepSpeech
2、Kaldi
Kaldi是用C++编写的开源语音识别软件，遵循Apache公共许可协议，支持Windows，macOS和Linux，2009年就已经发布了。
与其他语音识别软件相比，Kaldi的主要功能是可扩展和模块化。社区提供了大量的第三方模块，Kaldi还支持深度神经网络，并在其网站上提供了完整的使用文档。
虽然代码主要是用C++编写的，但是它通过 Bash 和 Python 脚本进行了封装。因此，如果你只是想实现基本的语音转换成文本功能，那通过Python或Bash就可以轻松实现这一点。
项目主页：http://kaldi-asr.org/
3、Julius
这可能是有史以来最古老的语音识别软件之一；京都大学在1991年的时候开发的，然后于2005年将它移交给一个独立的项目团队。
Julius 的主要特点包括了执行实时 STT 的能力，低内存占用（20000 单词少于 64 MB），能够输出最优词N-best word和词图Word-graph，能够作为服务器单元运行等等。这款软件主要为学术和研究所设计。它是由C 语言写成，并且可以运行在 Linux、Windows、macOS 甚至 Android（在智能手机上）。
目前，它仅支持英语和日语，该软件可能很容易安装在Linux发行版的仓库中。只需在软件包管理器中搜索julius包即可。
项目主页：https://github.com/julius-speech/julius
4、Wav2Letter ++
Wav2Letter ++是一款开源语音识别软件，在今年由Facebook的AI研究团队发布。该代码在BSD许可下发布。Facebook将其仓库描述为“当下最快、最先进的语音识别系统”，默认情况下，构建此工具所基于的概念使其针对性能进行了优化，Wav2Letter ++是基于FlashLight构建，它也是Facebook最新的机器学习库。
使用Wav2Letter ++，你首先需要为你自己想要的语言构建训练模型，以便于训练算法，没有任何一种语言（包括英语）的预训练模型，它仅仅是个机器学习驱动的文本语音转换工具，它用 C++ 写成，因此被命名为 Wav2Letter++。
项目主页：https://github.com/facebookresearch/wav2letter
5、DeepSpeech2
百度的研究人员也在研究自己的语音转文本引擎DeepSpeech2。这是一个端到端的开源引擎，它使用“ PaddlePaddle”深度学习框架将英语和普通话的语音转换为文本。该项目在BSD许可下发布。
该引擎可以针对任何模型和所需的任何语言进行培训。模型不随代码一起发布；就像其他软件一样，你必须自己构建它们。DeepSpeech2的源代码是用Python编写的；因此，如果这是你使用的语言，你应该很快就能使用上手
项目地址：https://github.com/PaddlePaddle/DeepSpeech
语音识别类别主要还是由专有软件巨头（例如Google和IBM）来主导（它们确实为此提供了自己的闭源商业服务），但是开源替代方案是有希望的。这5个开源语音识别引擎让你可以自己着手构建应用程序，不知道有没有你用过的呢？
