當(dāng)前位置:首頁(yè) > 公眾號(hào)精選 > 了不起的程序員
[導(dǎo)讀]今天給大家分享一個(gè)國(guó)產(chǎn)的,文字和語(yǔ)音互轉(zhuǎn)的開源工具:PaddleSpeech。

哈嘍,大家好,我是月亮。一個(gè)工作n年的老程序員啦,平時(shí)喜歡研究各種有意思的小工具,每周定時(shí)分享給大家~

今天給大家分享一個(gè)國(guó)產(chǎn)的,文字和語(yǔ)音互轉(zhuǎn)的開源工具:PaddleSpeech。

說(shuō)起文字轉(zhuǎn)語(yǔ)音,應(yīng)用場(chǎng)景還是非常多的,月亮以前工作時(shí)就遇到過(guò)處理文字轉(zhuǎn)語(yǔ)音的情況,當(dāng)時(shí)需要給一篇簡(jiǎn)短的稿子進(jìn)行配音工作。

一般的公司都是沒有專門的配音人員的,所以當(dāng)時(shí)這項(xiàng)需求可是讓產(chǎn)品經(jīng)理小小的頭疼了一下。

后來(lái)調(diào)研了某度和某大訊飛,在試聽了這幾個(gè)平臺(tái)文字轉(zhuǎn)語(yǔ)音的效果后,成功制作出了一段還不錯(cuò)的音頻。

要是當(dāng)時(shí)研究過(guò)一些音頻技術(shù),可能處理起來(lái)就會(huì)更容易啦。

工具安裝

截止本文寫作的時(shí)間,PaddleSpeech在Github上收獲了4.6K Star,可以說(shuō)是很優(yōu)秀的工具包啦~

TA可以實(shí)現(xiàn)文字轉(zhuǎn)語(yǔ)音、語(yǔ)音轉(zhuǎn)文字、語(yǔ)音翻譯等功能,功能支撐還是挺齊全的。

首先,安裝PaddleSpeech。

由于PaddleSpeech是依賴于paddlepaddle的,所以先安裝paddlepaddle。

本文演示使用的是Windows操作系統(tǒng),如果你是其他操作系統(tǒng),請(qǐng)參考paddlepaddle官網(wǎng)進(jìn)行安裝。

python -m pip install paddlepaddle==2.3.1 -i https://mirror.baidu.com/pypi/simple

接著,安裝PaddleSpeech,命令如下。

pip install pytest-runner
pip install paddlespeech

接著開始等待... ...

此處切換為國(guó)內(nèi)下載源,就會(huì)特別快。

注:安裝請(qǐng)使用python3.7,步驟、環(huán)境嚴(yán)格按照官網(wǎng)要求來(lái)執(zhí)行,否則出錯(cuò)很難處理。

30秒入門體驗(yàn)

文字轉(zhuǎn)語(yǔ)音

首先來(lái)體驗(yàn)一下最基礎(chǔ)的文字轉(zhuǎn)語(yǔ)音,這樣咱們就可以得到一份語(yǔ)音文件,語(yǔ)音可以用于后續(xù)的其他功能的測(cè)試。

直接在python代碼中,輸入想要轉(zhuǎn)換的文字即可,代碼如下。

使用的文字為:我愛吃西紅柿。

from paddlespeech.cli.tts.infer import TTSExecutor
out = TTSExecutor()
out(text="我愛吃西紅柿。", output="tomato.wav")

生成了一份名為 tomato.wav 的語(yǔ)音文件,我試聽了一下,雖然有一些明顯的AI合成聲音的味道,但是總體效果還是不錯(cuò)的。

音頻貼在下面,大家可以試聽一下。

語(yǔ)音轉(zhuǎn)文字

為了保證轉(zhuǎn)換正確,我這里直接使用上面生成的語(yǔ)音。

如果自己錄一段語(yǔ)音的話,肯定會(huì)有些雜音,不知道會(huì)不會(huì)影響轉(zhuǎn)換效果,用工具生成的語(yǔ)音肯定沒有問題。

轉(zhuǎn)換代碼如下。

from paddlespeech.cli.asr.infer import ASRExecutor
asr = ASRExecutor()
result = asr(audio_file="tomato.wav")
print(result)

這里是轉(zhuǎn)換結(jié)果。

結(jié)果轉(zhuǎn)換非常正確,識(shí)別無(wú)誤。

如果大家想要測(cè)試更有難度的場(chǎng)景,可以自己錄制語(yǔ)音進(jìn)行嘗試,比如說(shuō)錄音里加一些窗外的鳴笛的嘀嘀聲,風(fēng)扇的呼呼聲...

自動(dòng)添加標(biāo)點(diǎn)符號(hào)

除開語(yǔ)音和文字轉(zhuǎn)換的處理,PaddleSpeech還可以對(duì)單獨(dú)的文字進(jìn)行處理。

比如下面這段缺少標(biāo)點(diǎn)的文字,TA能自動(dòng)給識(shí)別出來(lái)應(yīng)該斷句的位置,并且給加上合適的標(biāo)點(diǎn)。

要我說(shuō)呀那西紅柿有啥好吃的還是黑椒牛排好吃

代碼如下。

from paddlespeech.cli.text.infer import TextExecutor
text_punc = TextExecutor()
result = text_punc(text="要我說(shuō)呀那西紅柿有啥好吃的還是黑椒牛排好吃")

不知何故,在python代碼中執(zhí)行,沒有給到正確的運(yùn)行結(jié)果,所以我嘗試了一下用命令行的方式。

paddlespeech text --task punc --input "要我說(shuō)呀那西紅柿有啥好吃的還是黑椒牛排好吃" 

運(yùn)行結(jié)果如下。

# 添加標(biāo)點(diǎn)的結(jié)果 要我說(shuō):呀,那西紅柿有啥好吃的?還是黑椒牛排好吃。

稍微有一點(diǎn)點(diǎn)不正確,感覺上,xx說(shuō),這個(gè)xx直接被當(dāng)作某人在說(shuō)話了。

這里我換了兩個(gè)例子,重新試了一下。

校長(zhǎng)說(shuō)胸前除了?;談e別別的

校長(zhǎng)說(shuō)今天中午作業(yè)沒交的全部留下

paddlespeech text --task punc --input "校長(zhǎng)說(shuō)胸前除了?;談e別別的" paddlespeech text --task punc --input "校長(zhǎng)說(shuō)今天中午作業(yè)沒交的全部留下" # 測(cè)試結(jié)果 校長(zhǎng)說(shuō):胸前除了?;眨瑒e,別,別的。
校長(zhǎng)說(shuō):今天中午,作業(yè)沒交的,全部留下。

測(cè)試結(jié)果不是特別精準(zhǔn),但是一些基本的、沒有歧義的句子,工具還是能自動(dòng)識(shí)別出來(lái)的。

自動(dòng)翻譯

PaddleSpeech另一個(gè)強(qiáng)悍的功能,在于TA可以直接將語(yǔ)音進(jìn)行翻譯。

下面用I like eating tomatoes來(lái)演示。

翻譯成中文,應(yīng)該是:我喜歡吃西紅柿。

示例中我用兩段音頻測(cè)試,但是沒有翻譯成功。

根據(jù)官方描述,語(yǔ)音翻譯功能當(dāng)前只能使用Ubuntn系統(tǒng)體驗(yàn)。

而我的服務(wù)器安裝的是centos系統(tǒng),這個(gè)功能就不演示了,同時(shí)官方也推薦大家使用Linux操作系統(tǒng)來(lái)使用本項(xiàng)目。

如果感興趣,大家可以自行嘗試PaddleSpeech更多功能。

重要提醒

在這里還是要提醒大家,一定按照官網(wǎng)要求的版本來(lái)進(jìn)行環(huán)境安裝,本文中的示例,我用了整整一天才把環(huán)境問題搞定。

可以說(shuō)是非常麻煩了,安裝到一半的時(shí)候,我就有預(yù)感要出問題,最后果然環(huán)境問題一個(gè)接著一個(gè)出現(xiàn)。

一般像這類耗時(shí)比較多的技術(shù)文,我都會(huì)周末一口氣寫完,這次直接消耗掉了半個(gè)周末。


本站聲明: 本文章由作者或相關(guān)機(jī)構(gòu)授權(quán)發(fā)布,目的在于傳遞更多信息,并不代表本站贊同其觀點(diǎn),本站亦不保證或承諾內(nèi)容真實(shí)性等。需要轉(zhuǎn)載請(qǐng)聯(lián)系該專欄作者,如若文章內(nèi)容侵犯您的權(quán)益,請(qǐng)及時(shí)聯(lián)系本站刪除。
換一批
延伸閱讀

9月2日消息,不造車的華為或?qū)⒋呱龈蟮莫?dú)角獸公司,隨著阿維塔和賽力斯的入局,華為引望愈發(fā)顯得引人矚目。

關(guān)鍵字: 阿維塔 塞力斯 華為

倫敦2024年8月29日 /美通社/ -- 英國(guó)汽車技術(shù)公司SODA.Auto推出其旗艦產(chǎn)品SODA V,這是全球首款涵蓋汽車工程師從創(chuàng)意到認(rèn)證的所有需求的工具,可用于創(chuàng)建軟件定義汽車。 SODA V工具的開發(fā)耗時(shí)1.5...

關(guān)鍵字: 汽車 人工智能 智能驅(qū)動(dòng) BSP

北京2024年8月28日 /美通社/ -- 越來(lái)越多用戶希望企業(yè)業(yè)務(wù)能7×24不間斷運(yùn)行,同時(shí)企業(yè)卻面臨越來(lái)越多業(yè)務(wù)中斷的風(fēng)險(xiǎn),如企業(yè)系統(tǒng)復(fù)雜性的增加,頻繁的功能更新和發(fā)布等。如何確保業(yè)務(wù)連續(xù)性,提升韌性,成...

關(guān)鍵字: 亞馬遜 解密 控制平面 BSP

8月30日消息,據(jù)媒體報(bào)道,騰訊和網(wǎng)易近期正在縮減他們對(duì)日本游戲市場(chǎng)的投資。

關(guān)鍵字: 騰訊 編碼器 CPU

8月28日消息,今天上午,2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)開幕式在貴陽(yáng)舉行,華為董事、質(zhì)量流程IT總裁陶景文發(fā)表了演講。

關(guān)鍵字: 華為 12nm EDA 半導(dǎo)體

8月28日消息,在2024中國(guó)國(guó)際大數(shù)據(jù)產(chǎn)業(yè)博覽會(huì)上,華為常務(wù)董事、華為云CEO張平安發(fā)表演講稱,數(shù)字世界的話語(yǔ)權(quán)最終是由生態(tài)的繁榮決定的。

關(guān)鍵字: 華為 12nm 手機(jī) 衛(wèi)星通信

要點(diǎn): 有效應(yīng)對(duì)環(huán)境變化,經(jīng)營(yíng)業(yè)績(jī)穩(wěn)中有升 落實(shí)提質(zhì)增效舉措,毛利潤(rùn)率延續(xù)升勢(shì) 戰(zhàn)略布局成效顯著,戰(zhàn)新業(yè)務(wù)引領(lǐng)增長(zhǎng) 以科技創(chuàng)新為引領(lǐng),提升企業(yè)核心競(jìng)爭(zhēng)力 堅(jiān)持高質(zhì)量發(fā)展策略,塑強(qiáng)核心競(jìng)爭(zhēng)優(yōu)勢(shì)...

關(guān)鍵字: 通信 BSP 電信運(yùn)營(yíng)商 數(shù)字經(jīng)濟(jì)

北京2024年8月27日 /美通社/ -- 8月21日,由中央廣播電視總臺(tái)與中國(guó)電影電視技術(shù)學(xué)會(huì)聯(lián)合牽頭組建的NVI技術(shù)創(chuàng)新聯(lián)盟在BIRTV2024超高清全產(chǎn)業(yè)鏈發(fā)展研討會(huì)上宣布正式成立。 活動(dòng)現(xiàn)場(chǎng) NVI技術(shù)創(chuàng)新聯(lián)...

關(guān)鍵字: VI 傳輸協(xié)議 音頻 BSP

北京2024年8月27日 /美通社/ -- 在8月23日舉辦的2024年長(zhǎng)三角生態(tài)綠色一體化發(fā)展示范區(qū)聯(lián)合招商會(huì)上,軟通動(dòng)力信息技術(shù)(集團(tuán))股份有限公司(以下簡(jiǎn)稱"軟通動(dòng)力")與長(zhǎng)三角投資(上海)有限...

關(guān)鍵字: BSP 信息技術(shù)
關(guān)閉