基于Python PaddleSpeech怎么实现语音文字处理

魁首哥

作者

基于Python PaddleSpeech怎么实现语音文字处理

基于PythonPaddleSpeech怎么实现语音文字处理，针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。

环境安装

首先我们看一下项目结构以及安装文档。

需要Python3.7以上、C++环境、requirements安装等等，下面按照我的顺序说一下。

1、conda安装Python3.9虚拟环境

使用conda安装python3.9环境，命令如下。

condacreate-npy39python=3.9

2、安装Visual Studio 2019

安装地址: Microsoft C++ 生成工具 - Visual Studio

注意安装的时候需要勾选C++桌面开发。

3、安装requirements.txt

使用命令安装requiremets.txt，命令如下：

pipinstall-rrequirements.txt-ihttps://pypi.douban.com/simple

这里要注意一下，paddlespeech_ctcdecoders安装失败的话无所谓，可以略掉。

4、安装paddlepaddle和paddlespeech

命令如下：

pipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simplepipinstallpaddlespeech-ihttps://pypi.tuna.tsinghua.edu.cn/simple

5、nltk_data下载

按照项目安装文档内的说明。

我的本地目录地址如下

项目验证

我下面分别验证一下tts、asr以及标点恢复功能。

tts语音合成

使用命令如下：

paddlespeechtts--input"南京现在很冷，下次再去夫子庙吧。"--outputC:\Users\xxx\Desktop\115.wav

执行过程

(dh_partner)D:\spyder\PaddleSpeech>paddlespeechtts--input"南京现在很冷，下次再去夫子庙吧。"--outputC:\Users\xxx\Desktop\115.wavphones_dict:None[2022-01-0517:23:43,642][INFO][log.py][L57]-FileC:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4.zipmd5checking...[2022-01-0517:23:44,742][INFO][log.py][L57]-Usepretrainedmodelstoredin:C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4self.phones_dict:C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4\phone_id_map.txt[2022-01-0517:23:44,743][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4[2022-01-0517:23:44,744][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4\default.yaml[2022-01-0517:23:44,744][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4\snapshot_iter_76000.pdzself.phones_dict:C:\Users\huyi\.paddlespeech\models\fastspeech3_csmsc-zh\fastspeech3_nosil_baker_ckpt_0.4\phone_id_map.txt[2022-01-0517:23:44,745][INFO][log.py][L57]-FileC:\Users\huyi\.paddlespeech\models\pwgan_csmsc-zh\pwg_baker_ckpt_0.4.zipmd5checking...[2022-01-0517:23:44,782][INFO][log.py][L57]-Usepretrainedmodelstoredin:C:\Users\huyi\.paddlespeech\models\pwgan_csmsc-zh\pwg_baker_ckpt_0.4[2022-01-0517:23:44,783][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\pwgan_csmsc-zh\pwg_baker_ckpt_0.4[2022-01-0517:23:44,783][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\pwgan_csmsc-zh\pwg_baker_ckpt_0.4\pwg_default.yaml[2022-01-0517:23:44,785][INFO][log.py][L57]-C:\Users\huyi\.paddlespeech\models\pwgan_csmsc-zh\pwg_baker_ckpt_0.4\pwg_snapshot_iter_400000.pdzvocab_size:268frontenddone!encoder_typeistransformerdecoder_typeistransformerC:\Users\huyi\.conda\envs\dh_partner\lib\site-packages\paddle\framework\io.py:415:DeprecationWarning:UsingorimportingtheABCsfrom'collections'insteadoffrom'collections.abc'isdeprecatedsincePython3.3,andin3.10itwillstopworkingifisinstance(obj,collections.Iterable)andnotisinstance(obj,(acousticmodeldone!vocdone!Buildingprefixdictfromthedefaultdictionary...[2022-01-0517:23:51][DEBUG][__init__.py:113]Buildingprefixdictfromthedefaultdictionary...LoadingmodelfromcacheC:\Users\huyi\AppData\Local\Temp\jieba.cache[2022-01-0517:23:51][DEBUG][__init__.py:132]LoadingmodelfromcacheC:\Users\huyi\AppData\Local\Temp\jieba.cacheLoadingmodelcost0.659seconds.[2022-01-0517:23:52][DEBUG][__init__.py:164]Loadingmodelcost0.659seconds.Prefixdicthasbeenbuiltsuccessfully.[2022-01-0517:23:52][DEBUG][__init__.py:166]Prefixdicthasbeenbuiltsuccessfully.C:\Users\huyi\.conda\envs\dh_partner\lib\site-packages\paddle\fluid\dygraph\math_op_patch.py:251:UserWarning:Thedtypeofleftandrightvariablesarenotthesame,leftdtypeispaddle.int64,butrightdtypeispaddle.int32,therightdtypewillconverttopaddle.int64warnings.warn([2022-01-0517:23:58,811][INFO][log.py][L57]-Wavefilehasbeengenerated:C:\Users\xxx\Desktop\115.wav

生成的音频如下