本文介绍如何极速（而非快速）上手新一代 Kaldi 服务端框架 sherpa。
无需安装或者下载，你只需一个浏览器，便可以体验新一代 Kaldi 服务端框架 sherpa 为你带来的 自动语音识别。
你可以在电脑上（Windows, Linux, 或者 macOS），手机上，iPad 上，或者在 其他可以运行浏览器的设备上，体验 sherpa。
阅读本文后，你将知道，如何快速体验 在 sherpa 中，使用来自 icefall 训练框架中的 预训练模型进行自动语音识别。
你只需一个浏览器，仅此而已。
sherpa 是新一代 Kaldi 数个子项目中的一员。 它是一个服务端框架。其中，特征提取、神经网络计算以及解码这三部分，使用 C++ 实现并提供 Python 接口；框架中的所有其他部分，如网络通信和线程池管理及调度等， 使用 Python 实现。
当一个线程从 Python 中调用 C++ 代码时，我们会释放 GIL。 通过这种方式，我们可以在 Python 中使用多线程，充分利用多处理器带来的并行处理优势。
与 Kaldi 不同，sherpa 在设计之初，就充分考虑了它在 Python 中的易用性。即使用户 没有 C++ 相关的经验，也能迅速上手。
sherpa 既支持 server/client 的通信模式，也支持类似 Kaldi 中的 binary 调用， 从命令行给定模型及音频，输出文字。
本文介绍如何在浏览器中使用 sherpa 进行语音识别; 不讨论如何通过 server/client 的方式， 使用 sherpa。
我们已经把 sherpa 集成到了 hugging face spaces。总入口在
或者
目前，我们支持 icefall 中使用如下数据集训练出来的模型:
- WenetSpeech， 中文
- GigaSpeech， 英文
- LibriSpeech， 英文
- TAL_CSASR，中英混合
各位读者可以使用以下两种方式在浏览器中进行体验:
- 上传一个音频，然后进行语音识别
- 在浏览器中进行录音，然后进行识别
- 使用 WenetSpeech 数据集的预训练模型
点击如下链接：
https://huggingface.co/spaces/k2-fsa/icefall-asr-wenetspeech-pruned-transducer-stateless2
出现如下页面：
读者可以上传一段中文语音进行识别。识别效果如下图所示：
支持常见的音频格式，如 .wav, .mp3, .opus, .aac 等。如果所给音频的采样率不是 16k，我们会自动 对采样率进行转换。
上传的文件，请不要在文件名中使用特殊字符，如空格或者小括号
()等。
读者可以用上面类似的方法，对其他数据集预训练模型进行测试。例如：
- 使用 TAL_CSASR 数据集的预训练模型
点击如下链接：
https://huggingface.co/spaces/k2-fsa/icefall-asr-tal_csasr-pruned-transducer-stateless5
出现如下页面：
读者可以上传一段中文语音进行识别。识别效果如下图所示：
类似的，读者可以在 https://hf.co/k2-fsa 网页找到其他数据集的预训练模型进行体验。此处 不再赘述。
- 使用 WenetSpeech 数据集的预训练模型
点击如下链接：
出现如下页面：
使用 microphone 进行录音后，点击 submit 按钮。出现如下结果：
类似的，读者可以在 https://hf.co/k2-fsa 网页找到其他数据集的预训练模型进行体验。此处不再赘述。
读者可以从手机端打开上述链接进行测试。
本文介绍了如何从浏览器中体验 sherpa，进行自动语音识别，而不需要读者下载或者安装额外的文件。
各位读者后续可以关注 https://hf.co/k2-fsa 。我们会陆续支持更多数据集预训练模型。