首次开源!一行代码轻松搞定中英文语音识别、合成、翻译核心功能!

共 1544字,需浏览 4分钟

 ·

2021-12-25 06:55


导读

要说生活里最常见的AI应用场景,语音合成与识别当属大家最为耳熟能详的场景之一了。

寻常到平时地图导航的播报、微信语音转文字、手机语音输入,以及小度智能音箱,都离不开语音技术的加持。

语音技术到底是怎么实现的?有哪些现成可用的开源代码可以快速集成到项目里?可以说是每一名开发者非常关心的问题。

那么,福利时间到了,今天这个集成了中英文语音识别、语音翻译、语音合成、声音分类能力,而且一行代码轻松试验效果的开源项目,你一定不能错过!


项目介绍

话不多说,先来看项目中给出的效果展示。

语音识别

输入音频 1



识别结果 1

I knocked at the door on the ancient side of the building.




输入音频 2


识别结果 2

我认为跑步最重要的就是给我带来了身体健康。

语音翻译(英译中)

输入音频


识别结果

我 在 这栋 建筑 的 古老 门上 敲门。

语音合成

输入文本 1

Life was like a box of chocolates, you never know what you're gonna get.

合成音频 1




输入文本 2

早上好,今天是2020/10/29,最低温度是-3°C。

合成音频 2


可以看到,无论是中英文的识别,还是中英文的合成,这个开源项目都有不错的效果,特别的,项目中还包含了语音翻译能力,可以实现英文语音同传翻译为中文字幕,这个确实太强大了。


传送门:

GitHub 地址:

https://github.com/PaddlePaddle/PaddleSpeech


有读者肯定想问,这么强大的语音能力,是不是想要用起来比较麻烦?

不得不说,这个项目在易用性上真的也是考虑得非常周到。


安装测试效果

我们按照首页的引导:

一行命令安装:

一行命令快速开始使用: 

这里,小编抱着试一试的态度,在本机上安装了这个项目,安装完成之后,先使用语音合成试一下。

生成的效果大家可以听一下~


然后,带着好奇心,我们再把合成的结果送到语音识别试一下,看看效果:

最终输出结果:

可以看到,这一套循环下来,效果非常不错!

除了出色的效果,易用的体验,我们再看看这个项目中还有什么宝藏可以挖掘,果然我们发现项目中还包含丰富的预训练模型,并且语音识别和语音合成均支持自定义训练。


丰富的预训练模型

语音识别包含声学模型和语言模型, 详情如下:

语音合成主要包含三个模块:文本前端、声学模型和声码器。声学模型和声码器模型如下:


完善的文档教程

并且开源以来,收到开发者的广泛关注,已经有大量开发者投入到项目的建设中并且贡献内容。

真·干货满满!

别的不需要多说了,请大家访问GitHub亲自体验吧:

https://github.com/PaddlePaddle/PaddleSpeech

如果大家满意的话,欢迎点个小星星鼓励下我们的工程师!


直播课程,大牛带学

为了帮助大家了解更多语音技术前沿进展,玩转开源项目,12月21日-24日每晚20:15-21:30,由百度研究院深度学习实验室(美研)主任黄亮老师领衔,多位语音领域资深工程师为大家带来一套精品技术直播课,详解语音方向的核心技术。


扫码报名直播课,加入技术交流群

精彩内容抢先看


PaddleSpeech项目地址:

GitHub: https://github.com/PaddlePaddle/PaddleSpeech

Gitee: https://gitee.com/paddlepaddle/PaddleSpeech


浏览 20
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报