百度语音识别笔记

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

音频1音频：00:00/00:03

识别结果 1

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

输入音频 2

音频2音频：00:00/00:04

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

音频3音频：00:00/00:03

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

音频4音频：00:00/00:04

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

音频5音频：00:00/00:05

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~

音频6音频：00:00/00:03

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

文章来源: blog.csdn.net，作者：AI视觉网奇，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/jacke121/article/details/122098073