ESPnet2 ASR model

`pyf98/fisher_callhome_spanish_conformer`

This model was trained by Yifan Peng using fisher_callhome_spanish recipe in espnet.

Demo: How to use in ESPnet2

Follow the ESPnet installation instructions if you haven't done that already.

cd espnet
git checkout 568bd0808f7509f9735282537db4c68dc3bdf376
pip install -e .
cd egs2/fisher_callhome_spanish/asr1
./run.sh --skip_data_prep false --skip_train true --download_model pyf98/fisher_callhome_spanish_conformer

RESULTS

Environments

date: Tue Feb 28 20:50:34 CST 2023
python version: 3.9.15 (main, Nov 24 2022, 14:31:59) [GCC 11.2.0]
espnet version: espnet 202301
pytorch version: pytorch 1.13.1
Git hash: 568bd0808f7509f9735282537db4c68dc3bdf376
- Commit date: Tue Feb 28 06:06:06 2023 -0500

exp/asr_train_asr_conformer6_raw_bpe1000_sp

WER

dataset	Snt	Wrd	Corr	Sub	Del	Ins	Err	S.Err
decode_conformer_asr_model_valid.acc.ave/callhome_devtest	3964	37989	68.2	23.8	7.9	6.5	38.3	79.2
decode_conformer_asr_model_valid.acc.ave/callhome_evltest	1829	19035	67.5	24.0	8.5	6.3	38.8	82.4
decode_conformer_asr_model_valid.acc.ave/fisher_dev	3979	40961	83.3	12.0	4.6	4.0	20.7	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_dev2	3961	39888	83.7	12.1	4.1	4.7	20.9	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_test	3641	40011	85.7	10.7	3.6	5.2	19.4	61.5

CER

dataset	Snt	Wrd	Corr	Sub	Del	Ins	Err	S.Err
decode_conformer_asr_model_valid.acc.ave/callhome_devtest	3964	181052	83.6	6.7	9.7	6.0	22.4	79.2
decode_conformer_asr_model_valid.acc.ave/callhome_evltest	1829	91266	83.1	6.8	10.1	5.7	22.6	82.4
decode_conformer_asr_model_valid.acc.ave/fisher_dev	3979	194297	93.0	2.7	4.3	3.9	10.9	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_dev2	3961	189965	93.5	2.7	3.9	4.2	10.7	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_test	3641	194507	94.6	2.2	3.2	4.7	10.1	61.5

TER

dataset	Snt	Wrd	Corr	Sub	Del	Ins	Err	S.Err
decode_conformer_asr_model_valid.acc.ave/callhome_devtest	3964	57692	65.2	19.2	15.6	4.6	39.4	79.2
decode_conformer_asr_model_valid.acc.ave/callhome_evltest	1829	28951	64.3	19.0	16.7	4.9	40.5	82.4
decode_conformer_asr_model_valid.acc.ave/fisher_dev	3979	55907	83.1	9.8	7.1	3.8	20.7	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_dev2	3961	53966	83.8	10.0	6.2	4.3	20.4	63.2
decode_conformer_asr_model_valid.acc.ave/fisher_test	3641	54212	86.4	8.6	5.0	4.9	18.5	61.5

ASR config

expand

config: conf/tuning/train_asr_conformer6.yaml
print_config: false
log_level: INFO
dry_run: false
iterator_type: sequence
output_dir: exp/asr_train_asr_conformer6_raw_bpe1000_sp
ngpu: 1
seed: 0
num_workers: 4
num_att_plot: 3
dist_backend: nccl
dist_init_method: env://
dist_world_size: null
dist_rank: null
local_rank: 0
dist_master_addr: null
dist_master_port: null
dist_launcher: null
multiprocessing_distributed: false
unused_parameters: false
sharded_ddp: false
cudnn_enabled: true
cudnn_benchmark: false
cudnn_deterministic: true
collect_stats: false
write_collected_feats: false
max_epoch: 50
patience: null
val_scheduler_criterion:
- valid
- loss
early_stopping_criterion:
- valid
- loss
- min
best_model_criterion:
-   - valid
    - acc
    - max
keep_nbest_models: 10
nbest_averaging_interval: 0
grad_clip: 3
grad_clip_type: 2.0
grad_noise: false
accum_grad: 1
no_forward_run: false
resume: true
train_dtype: float32
use_amp: false
log_interval: null
use_matplotlib: true
use_tensorboard: true
create_graph_in_tensorboard: false
use_wandb: false
wandb_project: null
wandb_id: null
wandb_entity: null
wandb_name: null
wandb_model_log_interval: -1
detect_anomaly: false
pretrain_path: null
init_param: []
ignore_init_mismatch: false
freeze_param: []
num_iters_per_epoch: null
batch_size: 20
valid_batch_size: null
batch_bins: 10000000
valid_batch_bins: null
train_shape_file:
- exp/asr_stats_raw_bpe1000_sp/train/speech_shape
- exp/asr_stats_raw_bpe1000_sp/train/text_shape.bpe
valid_shape_file:
- exp/asr_stats_raw_bpe1000_sp/valid/speech_shape
- exp/asr_stats_raw_bpe1000_sp/valid/text_shape.bpe
batch_type: numel
valid_batch_type: null
fold_length:
- 80000
- 150
sort_in_batch: descending
sort_batch: descending
multiple_iterator: false
chunk_length: 500
chunk_shift_ratio: 0.5
num_cache_chunks: 1024
train_data_path_and_name_and_type:
-   - dump/raw/train_sp/wav.scp
    - speech
    - kaldi_ark
-   - dump/raw/train_sp/text
    - text
    - text
valid_data_path_and_name_and_type:
-   - dump/raw/dev/wav.scp
    - speech
    - kaldi_ark
-   - dump/raw/dev/text
    - text
    - text
allow_variable_data_keys: false
max_cache_size: 0.0
max_cache_fd: 32
valid_max_cache_size: null
exclude_weight_decay: false
exclude_weight_decay_conf: {}
optim: adam
optim_conf:
    lr: 4.0
scheduler: noamlr
scheduler_conf:
    model_size: 256
    warmup_steps: 25000
token_list:
- <blank>
- <unk>
- ▁que
- s
- ▁no
- ▁y
- ▁de
- ▁a
- ▁sí
- ▁la
- ▁es
- ▁en
- r
- n
- ▁yo
- ▁el
- ▁me
- ▁pero
- ▁lo
- ▁o
- ▁se
- ▁un
- ▁los
- ▁como
- ▁ah
- ▁con
- ▁por
- ▁si
- ▁eh
- ▁eso
- ▁una
- ▁porque
- a
- ▁mi
- ▁tu
- ▁para
- ▁más
- ▁ya
- ▁te
- do
- ▁bueno
- ▁hay
- l
- ▁ajá
- ▁pues
- u
- o
- ▁qué
- e
- c
- ▁le
- ▁entonces
- ▁está
- ra
- da
- ▁así
- ▁muy
- ▁las
- ▁claro
- ▁también
- ndo
- ▁todo
- ▁bien
- ▁uno
- d
- ▁sé
- re
- ▁mhm
- la
- to
- ta
- i
- ▁sea
- b
- t
- ▁ca
- é
- te
- es
- ▁son
- ▁aquí
- ▁al
- mos
- ▁gente
- ▁tiene
- ▁ha
- ▁mucho
- ca
- ▁cuando
- ▁oh
- ▁su
- ▁re
- g
- ▁mm
- ti
- ba
- ▁este
- ▁creo
- ▁va
- v
- lo
- ó
- le
- y
- ▁cómo
- í
- ci
- p
- na
- ▁del
- ce
- ▁verdad
- ro
- ▁tengo
- er
- ▁ellos
- ▁era
- ▁ahí
- ▁él
- ▁estoy
- ▁he
- ▁ahora
- m
- ▁
- f
- ma
- ▁llama
- ▁ma
- ▁cosas
- ri
- ▁años
- en
- ▁hace
- ▁co
- co
- ción
- h
- á
- de
- ▁e
- ▁nada
- ▁casa
- 'no'
- ▁algo
- ▁pa
- ▁estaba
- nta
- ga
- ar
- ▁in
- ▁están
- ▁gusta
- si
- ▁di
- ▁cu
- ▁dos
- mente
- ▁vi
- ▁veces
- ▁uh
- so
- ▁ella
- ▁tienen
- ▁ese
- di
- ▁fue
- ▁hacer
- se
- ▁siempre
- ▁so
- li
- ▁dice
- go
- ▁vez
- ▁soy
- ▁persona
- ▁ba
- ▁acá
- ▁digo
- ía
- ▁ejemplo
- ▁música
- ▁usted
- ron
- ▁ver
- cu
- ▁ve
- ▁ni
- ▁mucha
- sa
- ▁esa
- pe
- ría
- ve
- ▁ser
- ▁okay
- ▁pasa
- z
- ▁puede
- an
- ▁cosa
- ▁da
- ▁otra
- me
- ▁ay
- ▁habla
- al
- ▁sabes
- ▁después
- ja
- ▁tiempo
- nd
- ne
- ado
- mi
- pa
- ▁po
- ▁d
- ▁ju
- ▁i
- ▁otro
- ▁allá
- ▁m
- ica
- ▁estados
- tu
- ▁todos
- nte
- iendo
- va
- ▁donde
- ▁tan
- ▁mismo
- ▁esta
- ▁t
- ▁mo
- ▁ir
- ▁unidos
- ▁trabajo
- ▁poco
- tos
- cho
- ▁menos
- ▁ven
- ▁tenía
- ▁c
- ▁personas
- ▁tener
- za
- ▁mira
- ▁dónde
- mo
- ▁pro
- ▁mejor
- ▁li
- ▁nunca
- ▁decir
- ▁estás
- ▁l
- ▁tra
- ▁ciudad
- ▁per
- rio
- ▁pre
- ▁voy
- ▁exacto
- ▁tienes
- ▁había
- ▁f
- ▁sabe
- tra
- sta
- ▁muchos
- idad
- ▁país
- ▁p
- ▁mu
- ▁hasta
- ▁parte
- ▁igual
- ▁muchas
- ▁día
- mp
- ▁comp
- ▁parece
- ido
- ciones
- ▁pu
- ▁esto
- ▁nueva
- ▁nosotros
- jo
- ▁ex
- ▁problema
- ▁ro
- ▁pe
- ▁tema
- cia
- k
- ble
- ▁do
- ▁tres
- ▁van
- ▁sa
- ▁um
- ▁hm
- ▁estar
- ▁sal
- ▁s
- fi
- je
- ▁hola
- ▁york
- ▁tanto
- os
- ge
- ▁vida
- ▁familia
- ▁ra
- ▁les
- das
- ▁teléfono
- ie
- ▁mundo
- ▁hu
- ▁digamos
- ▁quiere
- nos
- ▁bastante
- ste
- j
- qui
- les
- ▁hablar
- res
- ▁b
- ▁u
- ▁español
- ▁tal
- ▁dios
- che
- ▁han
- ▁dinero
- pi
- ni
- ▁difícil
- st
- ▁v
- ▁gra
- dos
- ue
- ▁chi
- ▁em
- ▁dicen
- ▁antes
- tas
- era
- ▁año
- ▁vive
- ▁cierto
- ia
- rá
- ria
- po
- nt
- ▁religión
- que
- ▁ci
- ▁cinco
- ▁ne
- ió
- ▁cre
- ente
- ñ
- ir
- ▁car
- ▁to
- bo
- ▁casi
- men
- ▁niños
- ▁ti
- bu
- w
- il
- ▁cada
- ieron
- cha
- ▁dije
- x
- ▁pienso
- ▁g
- ▁llega
- ento
- ▁grande
- ▁todavía
- ▁realmente
- ▁alguna
- ▁todas
- ▁mar
- cio
- ▁acuerdo
- mb
- ▁segu
- rse
- ▁mal
- ▁estamos
- ▁tipo
- be
- ▁pone
- ▁eres
- ▁sin
- ▁tenemos
- encia
- ▁alguien
- cto
- tar
- ▁vos
- ▁fi
- ▁haciendo
- ▁quién
- ▁toda
- ▁viene
- io
- ura
- ▁pen
- ▁hombre
- ▁hacen
- ▁hablando
- ▁ayuda
- ▁hi
- ▁trata
- ▁hoy
- ito
- ten
- ▁na
- ▁exactamente
- ▁escucha
- ver
- un
- ▁conoce
- gue
- ño
- ▁filadelfia
- ita
- ▁poder
- ▁fa
- án
- ▁puedo
- ▁lugar
- ▁vamos
- ▁yeah
- ú
- ▁desde
- ▁pi
- lla
- ▁hora
- lu
- ▁otros
- ▁méxico
- ▁internet
- ▁res
- ▁solamente
- ban
- ▁usa
- ▁vas
- ▁fui
- ▁estado
- ▁lleva
- ▁mil
- ▁solo
- ▁entre
- ▁wow
- ▁éste
- ch
- den
- ▁frío
- ▁cree
- ▁caso
- ▁estudia
- ▁am
- ▁busca
- ▁dis
- ▁trabaja
- ▁fe
- ▁bo
- ▁hecho
- ▁pueden
- ▁poquito
- ter
- ▁vivir
- ▁amigo
- ▁cuánto
- ▁ga
- ▁esas
- ul
- ▁tampoco
- ▁hijos
- ▁unos
- el
- ▁cuatro
- ▁sus
- ▁com
- ▁aunque
- ▁seguro
- ▁ce
- ▁forma
- ▁debe
- los
- ▁ta
- cion
- ones
- ▁puedes
- ▁mamá
- ▁cuenta
- ▁mis
- ▁diferente
- ▁quiero
- ▁ho
- ▁vivo
- ▁celular
- ero
- ▁universidad
- ▁be
- ▁misma
- ▁deja
- ▁cuál
- ▁inglés
- ▁nombre
- dia
- ▁paga
- ▁ahorita
- ▁cambia
- gra
- ▁dan
- ▁allí
- ▁rico
- ▁puerto
- ▁buenas
- ▁manera
- ▁cri
- ▁días
- ▁ésta
- ▁cualquier
- ▁países
- ing
- tica
- ina
- ▁buena
- ▁nadie
- ▁decía
- ▁piensa
- ▁sobre
- ▁esposo
- ▁qui
- ▁chile
- tro
- ▁toma
- ▁dijo
- ▁quieren
- ▁película
- ▁semana
- ▁sistema
- ▁come
- ▁mujer
- ▁veo
- ▁n
- ida
- ▁otras
- ▁medio
- ón
- ▁diez
- ▁cerca
- ▁iba
- ico
- gan
- ▁necesita
- zo
- ▁oye
- ▁san
- ▁bu
- ▁entiendes
- tó
- rme
- ▁sería
- ▁argentina
- ▁momento
- miento
- ▁know
- ▁seis
- ▁fo
- ▁toca
- ▁manda
- ▁w
- ▁iglesia
- ▁dólares
- ▁ja
- ▁diferentes
- ista
- ▁escuela
- ▁fácil
- ▁sale
- ▁interesante
- ▁padre
- ▁gana
- ▁inter
- ▁papá
- mina
- ▁pregunta
- iente
- ▁realidad
- ▁conozco
- ▁dar
- sión
- ▁tenido
- ▁trabajar
- ▁pareja
- ▁gu
- ▁mío
- ▁hijo
- ig
- ▁vivi
- ▁computadora
- ▁visto
- ▁importante
- ▁pasado
- ▁vol
- ▁tenga
- ho
- ▁pagar
- ▁latino
- ▁corre
- ▁haber
- ▁televisión
- ▁luego
- ▁relación
- ▁señor
- ▁tanta
- ▁mujeres
- iza
- ▁treinta
- ▁idea
- ▁salir
- ▁americano
- ▁encanta
- ▁meses
- ▁pasó
- ▁programa
- ▁algún
- ▁pri
- ▁estuve
- ▁comprar
- ▁contra
- ▁bonito
- ▁colombia
- ▁compra
- ▁super
- ▁hacía
- ▁imp
- ▁cultura
- ▁fíjate
- ▁sino
- ▁poner
- ▁fuera
- ▁ri
- ▁veinte
- ▁buen
- ▁único
- ▁entiendo
- ▁depende
- ▁fu
- ▁españa
- ▁quizás
- ▁esté
- ▁gracias
- ▁hija
- tico
- ▁imagino
- q
- ▁quiera
- ▁comuni
- ▁espera
- ▁go
- ▁primera
- ▁clase
- ▁general
- ▁diciendo
- ▁carro
- ▁anda
- ▁somos
- ▁sabía
- ▁amiga
- ▁vaya
- ▁compañía
- ▁siete
- ▁viste
- ▁canadá
- ▁cuanto
- ▁empeza
- ▁mayor
- ▁lleg
- ▁ido
- ▁malo
- ▁debería
- ▁gobierno
- ▁edad
- ▁situación
- ▁trabajando
- tivo
- ▁calle
- ▁veinti
- ▁mayoría
- ▁plan
- ▁viviendo
- ▁termina
- ▁llamo
- ▁viaja
- ▁social
- ▁jo
- ▁ciento
- ▁joven
- ▁estudio
- ▁hablo
- ▁empieza
- ▁podía
- ▁baila
- ▁punto
- ▁matrimonio
- ▁primero
- ▁entiende
- ▁perdón
- ▁niña
- ▁pobre
- fect
- ▁hispano
- ▁auto
- ▁importa
- ▁tarde
- ▁vivía
- ▁gustaría
- ▁diferencia
- ▁pueda
- ▁experiencia
- ▁ángeles
- ▁pie
- ▁oportunidad
- ▁mañana
- ▁nuevo
- ▁ningún
- ▁k
- ▁razón
- ▁minutos
- vis
- ▁además
- ▁cha
- ▁nueve
- ▁comercial
- ▁demasiado
- ▁encontrar
- port
- ▁sentido
- ▁número
- ▁política
- ▁niño
- ▁grupo
- ▁pensar
- ▁hermano
- ísimo
- ▁raza
- ▁afuera
- ▁quince
- ▁sitio
- ▁policía
- ▁gusto
- ▁fuerte
- ▁miami
- ▁palabra
- ▁montón
- ▁cincuenta
- ▁falta
- ▁recuerdo
- ▁visita
- ▁normal
- ▁especialmente
- ▁hizo
- ▁salud
- ▁partido
- ▁plata
- ▁venezuela
- ▁ru
- ▁novia
- ▁cierta
- ▁educa
- ▁área
- ▁maneja
- ▁quien
- ▁acostumbra
- ▁conocí
- ▁doctor
- ▁inmigrante
- ▁básicamente
- ▁mexicano
- ▁comida
- ▁algunos
- ▁enseña
- ▁cuarenta
- ▁supuesto
- ▁panamá
- ▁religiones
- ▁cuestión
- ▁bi
- ▁final
- ▁encuentro
- ▁llevo
- ▁tenés
- ▁hermana
- ▁papel
- ▁existe
- ▁aprende
- ▁novio
- ▁encontr
- ▁cambio
- ▁negocio
- ▁atrás
- ▁podría
- ▁miedo
- ismo
- ▁increíble
- ▁pongo
- ▁aparte
- ▁osea
- ▁médico
- ▁acento
- ▁terrible
- ▁enferm
- ▁hablé
- ▁regresa
- ▁texas
- ▁jurado
- ▁última
- ▁peor
- ▁estuvo
- ▁dentro
- ▁color
- ▁viví
- ▁right
- ▁chicago
- ▁servicio
- ▁interesa
- ▁muchísimo
- ▁email
- ▁escucho
- ▁pronto
- ▁homosexual
- ▁rápido
- ▁esposa
- ▁principio
- ▁llen
- ▁hospital
- ▁imagínate
- ▁peligro
- ▁cuándo
- ▁uhum
- ▁apartamento
- ▁funciona
- ▁historia
- ▁tecnología
- ▁control
- ▁ninguna
- ▁juntos
- ▁encuentra
- ▁horrible
- ▁centro
- ▁atención
- ▁hubiera
- ▁totalmente
- ▁california
- ▁católica
- ▁molesta
- ▁gustó
- ▁información
- ▁méjico
- ▁suerte
- ▁argentino
- ▁divi
- ▁florida
- ▁guerra
- ▁aires
- ▁nieve
- ▁obviamente
- ▁pelea
- ▁nuestro
- ▁simplemente
- ▁pequeño
- ▁clima
- ▁europa
- ▁imagina
- ▁arriba
- ▁leyes
- ▁playa
- ▁violencia
- ▁conversa
- ▁fiesta
- ▁tranquilo
- ▁acepta
- ▁último
- ▁única
- ▁definitivamente
- ▁incluso
- ▁idioma
- ▁favor
- ▁blanco
- ▁presidente
- ▁invierno
- ▁separa
- ivo
- ▁primer
- ▁nuestra
- ▁bonita
- ▁culpa
- ▁vota
- ▁entendí
- ▁madre
- ▁conocido
- ▁arregl
- ▁acerca
- ▁washington
- ▁radio
- ▁opina
- ▁contigo
- ▁podemos
- ▁pensando
- ▁duro
- ▁conmigo
- ▁verano
- '0'
- ▁negro
- ▁mientras
- ▁nací
- ▁toronto
- ▁recibi
- ▁hicieron
- ▁boston
- ▁campo
- ▁repente
- ▁cocina
- ▁cuesta
- ▁conseguir
- ▁jóvenes
- ▁olvida
- ▁ochenta
- ▁nivel
- ▁sociedad
- ▁chiquito
- ▁guatemala
- ▁político
- ▁supongo
- ▁empezó
- ▁época
- ▁siquiera
- ▁agarra
- ▁católico
- ▁pennsylvania
- ▁medicina
- ▁entender
- ▁italia
- ▁especial
- ▁atlanta
- ▁navidad
- ▁cantidad
- ▁domingo
- ▁cristiano
- ▁opinión
- ▁crédito
- ▁noticias
- ▁houston
- ▁preocupa
- ▁mensaje
- ▁américa
- ▁perfecto
- ▁dijiste
- '1'
- '2'
- '5'
- _
- '-'
- '3'
- '6'
- '4'
- '9'
- '8'
- '7'
- A
- B
- ì
- à
- ç
- è
- ü
- <sos/eos>
init: null
input_size: null
ctc_conf:
    dropout_rate: 0.0
    ctc_type: builtin
    reduce: true
    ignore_nan_grad: null
    zero_infinity: true
joint_net_conf: null
use_preprocessor: true
token_type: bpe
bpemodel: data/token_list/bpe_unigram1000/bpe.model
non_linguistic_symbols: null
cleaner: null
g2p: null
speech_volume_normalize: null
rir_scp: null
rir_apply_prob: 1.0
noise_scp: null
noise_apply_prob: 1.0
noise_db_range: '13_15'
short_noise_thres: 0.5
aux_ctc_tasks: []
frontend: default
frontend_conf:
    n_fft: 512
    win_length: 400
    hop_length: 160
    fs: 8k
specaug: specaug
specaug_conf:
    apply_time_warp: true
    time_warp_window: 5
    time_warp_mode: bicubic
    apply_freq_mask: true
    freq_mask_width_range:
    - 0
    - 30
    num_freq_mask: 2
    apply_time_mask: true
    time_mask_width_range:
    - 0
    - 40
    num_time_mask: 2
normalize: global_mvn
normalize_conf:
    stats_file: exp/asr_stats_raw_bpe1000_sp/train/feats_stats.npz
model: espnet
model_conf:
    ctc_weight: 0.3
    lsm_weight: 0.1
    length_normalized_loss: false
preencoder: null
preencoder_conf: {}
encoder: conformer
encoder_conf:
    output_size: 256
    attention_heads: 4
    linear_units: 2048
    num_blocks: 12
    dropout_rate: 0.1
    positional_dropout_rate: 0.1
    attention_dropout_rate: 0.1
    input_layer: conv2d
    normalize_before: true
    macaron_style: true
    pos_enc_layer_type: rel_pos
    selfattention_layer_type: rel_selfattn
    activation_type: swish
    use_cnn_module: true
    cnn_module_kernel: 31
postencoder: null
postencoder_conf: {}
decoder: transformer
decoder_conf:
    input_layer: embed
    num_blocks: 6
    linear_units: 2048
    dropout_rate: 0.1
preprocessor: default
preprocessor_conf: {}
required:
- output_dir
- token_list
version: '202301'
distributed: false

Citing ESPnet

@inproceedings{watanabe2018espnet,
  author={Shinji Watanabe and Takaaki Hori and Shigeki Karita and Tomoki Hayashi and Jiro Nishitoba and Yuya Unno and Nelson Yalta and Jahn Heymann and Matthew Wiesner and Nanxin Chen and Adithya Renduchintala and Tsubasa Ochiai},
  title={{ESPnet}: End-to-End Speech Processing Toolkit},
  year={2018},
  booktitle={Proceedings of Interspeech},
  pages={2207--2211},
  doi={10.21437/Interspeech.2018-1456},
  url={http://dx.doi.org/10.21437/Interspeech.2018-1456}
}

or arXiv:

@misc{watanabe2018espnet,
  title={ESPnet: End-to-End Speech Processing Toolkit}, 
  author={Shinji Watanabe and Takaaki Hori and Shigeki Karita and Tomoki Hayashi and Jiro Nishitoba and Yuya Unno and Nelson Yalta and Jahn Heymann and Matthew Wiesner and Nanxin Chen and Adithya Renduchintala and Tsubasa Ochiai},
  year={2018},
  eprint={1804.00015},
  archivePrefix={arXiv},
  primaryClass={cs.CL}
}