PaddleSpeech 是基于飞桨 PaddlePaddle 的语音方向的开源模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型。
特性:
本项目采用了易用、高效、灵活以及可扩展的实现，旨在为工业应用、学术研究提供更好的支持，实现的功能包含训练、推断以及测试模块，以及部署过程，主要包括
- 易用性: 安装门槛低，可使用 CLI 快速开始。
- 对标 SoTA: 提供了高速、轻量级模型，且借鉴了最前沿的技术。
- 基于规则的中文前端: 我们的前端包含文本正则化和字音转换（G2P）。此外，我们使用自定义语言规则来适应中文语境。
- 多种工业界以及学术界主流功能支持:
- 典型音频任务: 本工具包提供了音频任务如音频分类、语音翻译、自动语音识别、文本转语音、语音合成等任务的实现。
- 主流模型及数据集: 本工具包实现了参与整条语音任务流水线的各个模块，并且采用了主流数据集如 LibriSpeech、LJSpeech、AIShell、CSMSC，详情请见 模型列表。
- 级联模型应用: 作为传统语音任务的扩展，我们结合了自然语言处理、计算机视觉等任务，实现更接近实际需求的产业级应用。
近期更新:
- 2021.12.14: 我们在 Hugging Face Spaces 上的 ASR 以及 TTS Demos 上线啦!
- 2021.12.10: PaddleSpeech CLI 上线！覆盖了声音分类、语音识别、语音翻译（英译中）以及语音合成。
安装
我们强烈建议用户在 Linux 环境下，3.7 以上版本的 python 上安装 PaddleSpeech。 目前为止，Linux 支持声音分类、语音识别、语音合成和语音翻译四种功能，Mac OSX、 Windows 下暂不支持语音翻译功能。 想了解具体安装细节，可以参考安装文档。
快速开始
安装完成后，开发者可以通过命令行快速开始，改变 --input 可以尝试用自己的音频或文本测试。
声音分类
paddlespeech cls --input input.wav
语音识别
paddlespeech asr --lang zh --input input_16k.wav
语音翻译 (English to Chinese)
paddlespeech st --input input_16k.wav
语音合成
paddlespeech tts --input "你好，欢迎使用百度飞桨深度学习框架！" --output output.wav
- 语音合成的 web demo 已经集成进了 Huggingface Spaces. 请参考: TTS Demo
文本后处理
- 标点恢复
paddlespeech text --task punc --input 今天的天气真不错啊你下午有空吗我想约你一起去吃饭
更多命令行命令请参考 demos
-
[PaddleSpeech 原神] 音色克隆之胡桃 项目代码已完整放在aistudio,地址如下： 快去体验吧，可以直接运行。 PaddleSpeech 原神音色克隆之胡桃 随着直播和短视频的火热流行，配音成为了一个很有“钱途”的行业 PaddleSpeech的出现，让我们快速又简单的上手音色克隆。 本篇将会带你去完成一个音色克隆的项目，这里以原神中的胡桃为例子 数据集中还有很多种语音任你选择。
-
(以下内容搬运自 PaddleSpeech) PaddleSpeech TTS 内使用的数据格式，数据处理惯例的说明。 DataTable: 表头即 parser 在经历过一些开发实践之后，Parakeet 还是采用了先预处理数据再加载预处理好的数据进行训练的方式。此前我们曾经思考过把预处理写在 Dataset 的 __getitem__ 里面，在访问到某一跳样例的时候进行再预处理，我们曾经这么实
-
(以下内容搬运自 PaddleSpeech) 主要讲述 PaddleSpeech TTS 的和训练相关的组件，以及我们为何如此设计它。如果你熟悉 chainer, 可以看出我们受到 chianer 的设计风格的影响。虽然这也不是 chainer 独此一家，我们也参考了 torch lightning 等专门帮忙解决训练问题的库，以及领域专用的库如 detectron2 等为了方便自己的模型开发而作
-
本文向大家介绍Android基于讯飞语音SDK实现语音识别，包括了Android基于讯飞语音SDK实现语音识别的使用技巧和注意事项，需要的朋友参考一下 一、准备工作 1、你需要android手机应用开发基础 2、科大讯飞语音识别SDK android版 3、科大讯飞语音识别开发API文档 4、android手机 关于科大讯飞SDK及API文档，请到科大语音官网下载：http://www.xfyun
-
class Reader(Dataset): ... class CTCLoss(paddle.nn.Layer): 来回报错： ValueError: (InvalidArgument) The type of data we are trying to retrieve (int32) does not match the type of data (int64) currently cont
-
golang 离线tts文字转语音的开源 支持中文 可以离线部署，不需要联网
-
问题内容： 谁能推荐可靠的开源软件来在wav文件中记录英语语音？我研究过的两个主要程序是Sphinx和Julius，但是我从来都无法使用它们，并且每个转录文件的文档充其量都是粗略的。 我正在开发64位Ubuntu 10.04，其存储库包括sphinx2和julius，以及voxforge的英语julius声学模态。我专注于转录文件，而不是直接处理麦克风的声音，因为我已经放弃了期望像这样的项目可以与
-
1.1.1. 目录 1.1.2. 一、概述 1.1.3. 二、SDK生成产物目录结构 1.1.4. 三、快速集成 1.1.5. 四、API 参考 1.1.6. 五、示例源码 1.1.1. 目录 一、概述 二、SDK生成产物目录结构 三、快速集成 集成前准备 语音识别服务集成 语音合成服务集成 四、API 参考 语音识别服务 语音合成服务 五、示例源码 1.1.2. 一、概述 Rokid 语音识别服
-
我想构建一个android应用程序，它可以识别我的声音，将其转换为文本，并显示我刚才在祝酒词中所说的内容。我可以通过使用一个按钮来完成这项工作，该按钮将为我启动语音识别器。但现在我想让它只在我的声音的基础上工作。 应用程序应触发语音识别器，仅当我开始说话时才开始听我说话，当它感觉到沉默时应停止听我说话。就像会说话的tom应用程序的功能一样。它记录了声音，但我想用语音识别器识别它。像这样的事情： 主
-
有什么好用的文字转语音的开源模型？要求如下： 开源免费 可以离线部署，不需要联网 人声多样，不单一 可以做到声情并茂，语气自然
-
代码封装自科大语音讯飞无UI版本，通过1行代码来实现语音识别 1行代码来实现文字识别，在封装的.h文件中有集成说明。 测试方式：点击“识别语音”，然后对着说话，在Xcode的debug输出窗口可以看到识别的结果。见下面右图。 [Code4App.com]