前言：
如今各位老铁们对“pythonbenchmark”大概比较重视，大家都需要知道一些“pythonbenchmark”的相关资讯。那么小编同时在网络上搜集了一些关于“pythonbenchmark””的相关知识，希望大家能喜欢，兄弟们快快来学习一下吧！Stt-benchmark是一款语音到文本的转换框架基准。通过深度学习技术，改进先前语音-文本引擎的不足，并将这些优化迁移到低 CPU、低内存占用的物联网平台。
这是一个最小化的，可扩展的框架，为了基准测试speech-to-text引擎。
依赖：
Python3.6
Ubuntu 18.04
数据:
使用Mozilla Common Voice数据集，位置在
指标:
Word Error Rate 单词错误率
Real Time Factor 实时性
Memory 内存
转换引擎：
Mozilla DeepSpeech，一个基于百度DeepSpeech的开源实现。能不依赖语言模型来运行，还不支持嵌入式平台。
Picovoice Cheetah，深度学习技术的引擎，可离线，支持多个嵌入式平台Android, iOS, and Raspberry Pi。
PocketSphinx，可离线，能用于嵌入式平台如Raspberry Pi。
运行：
单词错误率验证：
python benchmark.py --dataset_root COMMON_VOICE_PATH --deep_speech_model_path DEEP_SPEECH_MODELS_PATH/output_graph.pb \
--deep_speech_alphabet_path DEEP_SPEECH_MODELS_PATH/alphabet.txt
实时性验证：
time resources/cheetah/pv_cheetah_app PATH_TO_WAV_FILE resources/cheetah/cheetah_params.pv resources/cheetah/cheetah_linux_eval.lic
内存使用验证；
valgrind --tool=massif pocketsphinx_continuous -infile PATH_TO_WAV_FILE
标签： #pythonbenchmark
