PaddleSpeech 技术文档：安装指南与使用说明

PaddleSpeech 技术文档：安装指南与使用说明

【免费下载链接】PaddleSpeech Easy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award. 项目地址: https://gitcode.com/paddlepaddle/PaddleSpeech

1. 安装指南

1.1 环境要求

• 操作系统：支持 Linux/Windows/macOS
• Python 版本：3.8+
• PaddlePaddle 框架：2.4.0+

1.2 基础安装方式

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install paddlespeech -i https://mirror.baidu.com/pypi/simple

1.3 完整开发环境安装

如需进行模型训练或二次开发，建议使用以下方式安装：

git clone https://github.com/PaddlePaddle/PaddleSpeech.git
cd PaddleSpeech
pip install -e .

2. 项目使用说明

2.1 语音识别(ASR)

from paddlespeech.cli.asr import ASRExecutor
asr_executor = ASRExecutor()
result = asr_executor(
    audio_file="en.wav",
    model="conformer_wenetspeech",
    lang="zh")
print(result)

2.2 文本转语音(TTS)

from paddlespeech.cli.tts import TTSExecutor
tts_executor = TTSExecutor()
tts_executor(
    text="欢迎使用PaddleSpeech",
    output="output.wav",
    am="fastspeech2_csmsc",
    voc="hifigan_csmsc")

2.3 语音翻译(ST)

from paddlespeech.cli.st import STExecutor
st_executor = STExecutor()
result = st_executor(
    audio_file="en.wav",
    model="fat_st_ted")
print(result)

3. 项目API文档

3.1 核心模块

• paddlespeech.cli.asr: 语音识别接口
• paddlespeech.cli.tts: 文本转语音接口
• paddlespeech.cli.st: 语音翻译接口
• paddlespeech.cli.vector: 声纹识别接口

3.2 高级API参数说明

ASR参数：

• model: 指定模型类型(默认conformer_wenetspeech)
• lang: 语言选择(zh/en)
• sample_rate: 音频采样率(默认16000)

TTS参数：

• am: 声学模型选择
• voc: 声码器选择
• spk_id: 说话人ID(多说话人模型)

4. 项目安装方式补充

4.1 Docker安装

docker pull paddlepaddle/paddle:latest
docker run --name paddlespeech -it paddlepaddle/paddle:latest bash
pip install paddlespeech

4.2 模型单独安装

# 安装特定语言模型
paddlespeech asr --install-model conformer_aishell --lang zh
paddlespeech tts --install-model fastspeech2_csmsc

4.3 离线安装

1. 下载预编译whl包
2. 执行本地安装：

pip install paddlespeech-*.whl

5. 常见问题解决

5.1 音频格式问题

建议使用16kHz/16bit的wav格式音频文件，如遇其他格式可使用ffmpeg转换：

ffmpeg -i input.mp3 -ar 16000 -ac 1 -c:a pcm_s16le output.wav

5.2 显存不足处理

对于GPU环境，可通过减小batch size解决：

asr_executor(audio_file="en.wav", batch_size=1)

【免费下载链接】PaddleSpeech Easy-to-use Speech Toolkit including Self-Supervised Learning model, SOTA/Streaming ASR with punctuation, Streaming TTS with text frontend, Speaker Verification System, End-to-End Speech Translation and Keyword Spotting. Won NAACL2022 Best Demo Award. 项目地址: https://gitcode.com/paddlepaddle/PaddleSpeech