参与：李泽南、黄小天、吴攀

你想要训练一个可用于语音识别的深度神经网络吗？

我也是。两年前我获得了密歇根大学的博士学位成了一名粒子物理学家。我懂一些 C/C++和 Python，并且认识 Noah Shutty。我和 Noah 联合创建了 Deepgram，Noah 是一个精力充沛、学习速度极快的人。我们俩都没有语音识别背景知识，但是懂一点编程和机器学习应用的知识，有大量鼓捣数据处理/系统的经验。我们确实很清楚一件事——如何快速解决问题（一个建造深度地下暗物质探测器时练就的本领）。

那时，我们发现自己建造了世界上第一个基于深度学习的语音搜索引擎。为了发展我们需要一个可以理解语音的 DNN。我们成功了，现在你也可以。

项目地址：

下面是基本问题：

将下面这段音频：

一段普通人说：「I am a human saying human things」的声谱。

转换成下面这句文本：

听到了「I am a human saying human things」音频文件的一个 DNN 的预测结果

该怎么做？

在易于使用的 Kur 框架中训练一个 DNN

我们为什么这样做

你可以这么想：我们正在一个搜索音频的谷歌，我们需要一个用于语音识别的深度学习模型来完成这一目标。两年前我们开始的时候，百度首次公开了关于 Deepspeech 的论文，这对我们来讲是一件大好事。这将帮助我们搞明白深度学习可以如何用于搜索语音。

照片中是吴恩达，站在深度语音 RNN 的前面，看起来像是电影《A.I.》里的大坏蛋。

在英伟达的 GTC 大会上，来自百度的吴恩达正在做关于 Deepspeech 的演讲

第一步就是建立一个端对端的深度学习语音识别系统。我们已经做这个超过一年了，现在我们拿出来共享，就像当初百度共享给我们一样（好吧，事实上百度共享给了全世界）。

我们将给每一个人一个完全有效的 Deepspeech DNN。在 Deepgram 的开源 Python 软件包 Kur 中：

我们不是东拼西凑胡搞一通让它工作的。我们打造了一个运行在 TensorFlow 上的高质量抽象框架，使深度学习变的真正容易起来。

插播一句：为了 Deepgram 的生存我们不得不打造 Kur。现在人工智能领域已是一片红海，atv，除非胸有成竹，否则你不可能快速建立前沿的模型。

从前，运行 DNN 很麻烦，现在，这变的简单起来。我们的系统从基础做起，一步一步使其简单起来，使你可以描述模型，并且无需做繁杂的工作即可使其运转。

Kur 软件包刚刚发布。它免费且开源，以第一个神话之中的龙（dragon）来命名，Kur 由 Deepgram 人工智能小组全体成员倾力打造，希望你们会喜欢它。

我们要创造一些人工智能

四个轻松的部分：

1. 安装 Kur

2. 运行 Deepspeech 示例

3. 观察你的计算机如何学习人类语音

4. 你变成了邪恶的人工智能统领，请放声大笑

简介结束，现在进入实际操作！

一些小的说明：当你看到这起效时，你会认为自己是上帝。学习语音的训练网络是一种变革性的东西。考虑一下这种情况：你在自己的计算机上创造出来的人工智能现在能理解人类说出的话。你的所作所为要负责任。

额外补充：训练端到端的语音识别深度学习模型需要很多计算。你需要耐心。毕竟你自己也不是在几分钟之内就学会了听人说话。如果你耐心有限，可以使用强大的 GPU——Kur 支持。

下载并安装 Kur（这很简单）

对于安装，如果你已经安装了 Python3.4 或以上版本，你就只需要在你的终端运行$ pip install kur 即可。如果你需要指导，或者一个轻松的操作环境，请访问 kur.deepgram.com 查看完整的安装指导。

运行 Deepspeech 例子