ASR语音识别案例开发步骤 1. 登录开发板，配置ip Esc退出编辑，shift+：wq保存并退出 Reboot重启开发板，使用ifconfig查看ip 2. 启动jupyter服务 cd /data/nptebook_sample_master ./start_notebook.sh 执行以上命令启动jupyter服务单击进入并修改ip为开发板ip 点击链接下载模型：https://ascend-repo.obs.cn-east-2.myhuaweicloud.com/Atlas%20200I%20DK%20A2/DevKit/samples/23.0.RC1/base-samples/notebook-demo-datasets/10-speech-recognition/offline_encoder_sim.onnx 开发板后台执行上述命令将模型转换为om模型 atc --model=offline_encoder_sim.onnx --framework=5 --output=offline_encoder --input_format=ND --input_shape="speech:1,1478,80;speech_lengths:1" --log=error --soc_version=Ascend310P1 其中转换参数的含义为： --model：输入模型路径 --framework：原始网络模型框架类型，5表示ONNX --output：输出模型路径 --input_format：输入Tensor的内存排列方式 --input_shape：指定模型输入数据的shape。这里我们在转模型的时候指定了最大的输入音频长度，推荐的长度有：262,326,390,454,518,582,646,710,774,838,902,966,1028,1284,1478，默认使用的长度是1478 --log：日志级别 --soc_version：昇腾AI处理器型号执行完成后会有上述提示进入jupyter lab执行main.ipynb进行推理导入第三方库和依赖初始化模型以及获取模型最大长度推理，将音频转换为文本对音频文件预处理对推理结果进行处理，去除重复和空白字符调整输入特征提取音频特征加载词表初始化参数执行推理得到语音识别结果