编程智能体与代码 · 工具介绍
asr-decoder
面向 PyTorch CTC 语音模型的流式解码器，支持贪心搜索、前缀束搜索、热词偏置及词元时间信息。
asr-decoder 能做什么
面向 PyTorch CTC 语音模型的流式解码器，支持贪心搜索、前缀束搜索、热词偏置及词元时间信息。
- 音频视频转写与语音识别
如何使用 asr-decoder
把 CTC 模型输出解码为词元和时间信息
准备输入
- 模型输出的对数概率矩阵及对应词元表设置
操作步骤
- 安装 asr-decoder，确认输入为帧数乘词表大小的对数概率矩阵，配置空白词元编号。
- 选择搜索方式执行解码，流式输入时逐块提交并在最后标记完成，读取词元和时间戳并核对结果。
预期交付物
- 候选词元序列及对应时间戳信息
输入 logits 需要先转为对数概率；同一流不要混用搜索方式，未设置帧间隔时只有帧索引，不能把它当作毫秒时间。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估asr-decoder
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
