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!
数据智能产业创新服务媒体
——聚焦数智 · 改变商业
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
识别结果 1
I knocked at the door on the ancient side of the building.
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)
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:
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!
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
❷ 创新服务企业榜
❸ 创新服务产品榜
❸ 最具投资价值榜
❺ 创新技术突破榜
☆条漫:《看过大佬们发的朋友圈之后,我相信:明天会更好!》
联系数据猿
北京区负责人:Summer
电话:18500447861(微信)
邮箱:summer@datayuan.cn
全国区负责人:Yaphet
电话:18600591561(微信)
邮箱:yaphet@datayuan.cn