# WeNet-Ort
## 论文
`WeNet: Production Oriented Streaming and Non-streaming End-to-End
Speech Recognition Toolkit`
- https://arxiv.org/pdf/2102.01547.pdf
## 模型结构
WeNet是一种hybird连接主义时间分类（CTC）/注意力架构，以transformer或conformer作为编码器和注意力解码器来重新存储CTC假设。为了在统一的模型中实现流和非流，以及使用了一种基于动态块的注意力策略，该策略允许自注意力以随机长度集中在正确的上下文上。

![img](./Doc/images/wenet1.PNG)
## 算法原理
底层堆栈完全基于PyTorch及其生态系统。中间的堆栈由两部分组成。开发研究模型时，TorchScript用于开发模型，Torchaudio用于动态特征提取，分布式数据并行（DDP）用于分布式训练，torch实时（JIT）用于模型导出，PyTorch量化用于模型量化，LibTorch用于生产运行时。LibTorch产品用于托管生产模型，旨在支持各种硬件和平台，如CPU、GPU（CUDA）Linux、Android和iOS。顶部堆栈显示了对WeNet中生产管道的典型研究

![img](./Doc/images/wenet2.PNG)
## 环境配置
### Docker（方法一）
拉取镜像：
```
docker pull image.sourcefind.cn:5000/dcu/admin/base/custom:ort1.14.0_migraphx3.0.0-dtk22.10.1
docker run xxx
```
创建并启动容器，安装相关依赖：
```
docker run --shm-size 16g --network=host --name=wenet_ort --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/wenet_onnxruntime:/home/wenet_onnxruntime -it <Your Image ID> /bin/bash
# 激活dtk
source /opt/dtk/env.sh
```
### Dockerfile（方法二）
此处提供dockerfile的使用方法
```
docker build --no-cache -t wenet_onnxruntime:2.0 .

docker run --shm-size 16g --network=host --name=wenet_ort --privileged --device=/dev/kfd --device=/dev/dri --group-add video --cap-add=SYS_PTRACE --security-opt seccomp=unconfined -v $PWD/wenet_onnxruntime:/home/wenet_onnxruntime -it <Your Image ID> /bin/bash
```

## 数据集
`aishell`

## 推理
### C++版本推理
本次采用经wenet模型完成问题语音识别任务，首先需要下载模型至Resouce/Models/，链接：https://pan.baidu.com/s/1aUt6LRcspYLAmmWu0fFTdQ 
提取码：sodg，下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。

#### 构建工程
```
export LD_LIBRARY_PATH=$PWD/openfst-1.7.6/src/lib:$LD_LIBRARY_PATH
mkdir build && cd build
cmake ..
make install
```
#### 设置环境变量
```
cd <path-to-wenet_onnxruntime>
export GLOG_logtostderr=1
export GLOG_v=2
wav_path=./Resource/BAC009S0764W0344.wav
onnx_dir=./Resource/models
units=./Resource/units.txt
```
#### 运行示例
```
# 进入wenet onnxruntime工程根目录
cd <path_to_wenet_onnxruntime> 

# 执行示例程序
./build/Src/bin/decoder_main --onnx_dir $onnx_dir  --wav_path $wav_path  --unit_path $units 2>&1 | tee log.txt

```
## result
```
test Final result: 脚踝和小腿的能力变弱
Decoded 3091ms audio taken 466ms.
Total: decoded 3091ms audio taken 466ms.
RTF: 0.1508
```

### 精度
无
## 应用场景
### 算法类别
`语音识别`
### 热点应用行业
`制造`,`金融`,`交通`,`教育`

## 源码仓库及问题反馈
- https://developer.hpccube.com/codes/modelzoo/wenet-onnxruntime
## 参考资料
- https://github.com/wenet-e2e/wenet
- https://wenet.org.cn/wenet/