第一部分——安装conda

安装conda

 mkdir tmp

 cd tmp

sudo apt install curl

curl -O https://repo.anaconda.com/archive/Anaconda3-2023.09-0-Linux-x86_64.sh

 运行脚本bash Anaconda3-2023.09-0-Linux-x86_64.sh

一直enter

直接enter

安装程序提示用户接受默认位置或安装到其他位置。除非有特定需求，否则请使用默认路径。

输入yes

安装完成并决定是否在启动时自动初始化 conda。除非你有特定的理由，否则在提示符后输入 yes。

使用conda命令来测试安装

记得关掉命令行重新打开

输入conda info能显示出如下图的conda版本即为安装成功

更新conda包管理器

conda update conda

第二部分——配置和下载依赖

安装cmake

sudo apt install build-essential cmake

配置环境

sudo apt install git

git clone https://github.com/wenet-e2e/wenet.git

cd wenet

创造conda的环境并激活

conda create -n wenet python=3.8 (creat要空格-n)

激活wenet环境

conda activate wenet

下载必要的python模块

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/

conda install pytorch=1.10.0 torchvision torchaudio=0.10.0 cudatoolkit=11.1 -cpytorch -c conda-forge

进入wenet的runtime/LibTorch目录

mkdir build && cd build && cmake .. && cmake --build .(.. && 以及build后面有 .)

如果网络环境不好（如上图）就需要科学上网来手动下载

下好后 会在Downloads

如果是只读文件 需要切换到 cd /home/czm(你的用户名)/Downloads （或者右键打开命令行）开启权限

chmod -R 777 （文件名）

把刚刚下好的文件到这个目录里面

这时候要cd..返回上面那个界面，使用rm -r build命令把刚刚那个build目录删了，再重新安装。

接着要去魔搭社区下载两个文件

https://www.modelscope.cn/models/wenet/aishell2/files 点击模型文件

把这两个文件复制到build文件夹下面

用ffmpeg把wav音频转换成一个16k采样率，单通道，16bits的音频文件test.wav

命令：ffmpeg -i original.wav -ar 16000 -ac 1 -acodec pcm_s16le test.wav

并把test.wav放到libtorch目录中

第三部分———运行wenet

配置环境变量

export GLOG_logtostderr=1

export GLOG_v=2

wav_path=test.wav

model_dir=./build

然后运行wenet

./build/bin/decoder_main \

    --chunk_size -1 \

    --wav_path $wav_path \

    --model_path $model_dir/final.zip \

--unit_path $model_dir/units.txt 2>&1 | tee log.txt

运行结果如下，使用的是非流式的识别，chunk_size设置为-1，但是不能实时对音频进行转写。

但是流式音频识别也是可以实现的，使用另外一组命令将识别的后端运行起来，打开index.html即可在前端调用模型文件进行实时语音转写。

执行如下指令，将 model_dir 设置为你的模型目录地址。

export GLOG_logtostderr=1
export GLOG_v=2
model_dir=./build
./build/bin/websocket_server_main \
    --port 10086 \
    --chunk_size 16 \
    --model_path $model_dir/final.zip \
    --unit_path $model_dir/units.txt 2>&1 | tee server.log