自定义训练的Speech Recognition模型输出乱码问题求助

我基于GitHub的Speech Recognition开源仓库开发，原仓库没有模型训练与保存的相关代码，所以自行添加了训练逻辑、模型保存逻辑，以及infer.py推理脚本。

模型训练结束后最终损失为0.28，但使用训练数据集内的.flac文件做推理时，输出是类似 f ' i ' ' ' i ' a ' ' a ' s ' o '...的乱码内容。

现附上完整代码，麻烦帮忙排查问题原因。

内容的提问来源于stack exchange，提问作者FaisalShakeel