|
|
|
|
# Paddle Speech Demo
|
|
|
|
|
|
|
|
|
|
PaddleSpeechDemo 是一个以 PaddleSpeech 的语音交互功能为主体开发的Demo展示项目,用于帮助大家更好的上手PaddleSpeech 以及使用 PaddleSpeech 构建自己的应用。
|
|
|
|
|
|
|
|
|
|
智能语音交互部分使用 PaddleSpeech,对话以及信息抽取部分使用 PaddleNLP,网页前端展示部分基于 Vue3 进行开发
|
|
|
|
|
|
|
|
|
|
主要功能:
|
|
|
|
|
|
|
|
|
|
+ 语音聊天:PaddleSpeech 的语音识别能力+语音合成能力,对话部分基于 PaddleNLP 的闲聊功能
|
|
|
|
|
+ 声纹识别:PaddleSpeech 的声纹识别功能展示
|
|
|
|
|
+ 语音识别:支持【实时语音识别】,【端到端识别】,【音频文件识别】三种模式
|
|
|
|
|
+ 语音合成:支持【流式合成】与【端到端合成】两种方式
|
|
|
|
|
+ 语音指令:基于 PaddleSpeech 的语音识别能力与 PaddleNLP 的信息抽取,实现交通费的智能报销
|
|
|
|
|
|
|
|
|
|
运行效果:
|
|
|
|
|
|
|
|
|
|
![效果](docs/效果展示.png)
|
|
|
|
|
|
|
|
|
|
## 安装
|
|
|
|
|
|
|
|
|
|
### 后端环境安装
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
# 安装环境
|
|
|
|
|
cd speech_server
|
|
|
|
|
pip install -r requirements.txt
|
|
|
|
|
|
|
|
|
|
# 下载 ie 模型,针对地点进行微调,效果更好,不下载的话会使用其它版本,效果没有这个好
|
|
|
|
|
cd source
|
|
|
|
|
mkdir model
|
|
|
|
|
cd model
|
|
|
|
|
wget https://bj.bcebos.com/paddlenlp/applications/speech-cmd-analysis/finetune/model_state.pdparams
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### 前端环境安装
|
|
|
|
|
|
|
|
|
|
前端依赖 `node.js` ,需要提前安装,确保 `npm` 可用,`npm` 测试版本 `8.3.1`,建议下载[官网](https://nodejs.org/en/)稳定版的 `node.js`
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
# 进入前端目录
|
|
|
|
|
cd web_client
|
|
|
|
|
|
|
|
|
|
# 安装 `yarn`,已经安装可跳过
|
|
|
|
|
npm install -g yarn
|
|
|
|
|
|
|
|
|
|
# 使用yarn安装前端依赖
|
|
|
|
|
yarn install
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
## 启动服务
|
|
|
|
|
|
|
|
|
|
### 开启后端服务
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
cd speech_server
|
|
|
|
|
# 默认8010端口
|
|
|
|
|
python main.py --port 8010
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
### 开启前端服务
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
cd web_client
|
|
|
|
|
yarn dev --port 8011
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
默认配置下,前端中配置的后台地址信息是 localhost,确保后端服务器和打开页面的游览器在同一台机器上,不在一台机器的配置方式见下方的 FAQ:【后端如果部署在其它机器或者别的端口如何修改】
|
|
|
|
|
## FAQ
|
|
|
|
|
|
|
|
|
|
#### Q: 如何安装node.js
|
|
|
|
|
|
|
|
|
|
A: node.js的安装可以参考[【菜鸟教程】](https://www.runoob.com/nodejs/nodejs-install-setup.html), 确保 npm 可用
|
|
|
|
|
|
|
|
|
|
#### Q:后端如果部署在其它机器或者别的端口如何修改
|
|
|
|
|
|
|
|
|
|
A:后端的配置地址有分散在两个文件中
|
|
|
|
|
|
|
|
|
|
修改第一个文件 `PaddleSpeechWebClient/vite.config.js`
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
server: {
|
|
|
|
|
host: "0.0.0.0",
|
|
|
|
|
proxy: {
|
|
|
|
|
"/api": {
|
|
|
|
|
target: "http://localhost:8010", // 这里改成后端所在接口
|
|
|
|
|
changeOrigin: true,
|
|
|
|
|
rewrite: (path) => path.replace(/^\/api/, ""),
|
|
|
|
|
},
|
|
|
|
|
},
|
|
|
|
|
}
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
修改第二个文件 `PaddleSpeechWebClient/src/api/API.js`( Websocket 代理配置失败,所以需要在这个文件中修改)
|
|
|
|
|
|
|
|
|
|
```
|
|
|
|
|
// websocket (这里改成后端所在的接口)
|
|
|
|
|
CHAT_SOCKET_RECORD: 'ws://localhost:8010/ws/asr/offlineStream', // ChatBot websocket 接口
|
|
|
|
|
ASR_SOCKET_RECORD: 'ws://localhost:8010/ws/asr/onlineStream', // Stream ASR 接口
|
|
|
|
|
TTS_SOCKET_RECORD: 'ws://localhost:8010/ws/tts/online', // Stream TTS 接口
|
|
|
|
|
```
|
|
|
|
|
|
|
|
|
|
#### Q:后端以IP地址的形式,前端无法录音
|
|
|
|
|
|
|
|
|
|
A:这里主要是游览器安全策略的限制,需要配置游览器后重启。游览器修改配置可参考[使用js-audio-recorder报浏览器不支持getUserMedia](https://blog.csdn.net/YRY_LIKE_YOU/article/details/113745273)
|
|
|
|
|
|
|
|
|
|
chrome设置地址: chrome://flags/#unsafely-treat-insecure-origin-as-secure
|
|
|
|
|
|
|
|
|
|
## 参考资料
|
|
|
|
|
|
|
|
|
|
vue实现录音参考资料:https://blog.csdn.net/qq_41619796/article/details/107865602#t1
|
|
|
|
|
|
|
|
|
|
前端流式播放音频参考仓库:
|
|
|
|
|
|
|
|
|
|
https://github.com/AnthumChris/fetch-stream-audio
|
|
|
|
|
|
|
|
|
|
https://bm.enthuses.me/buffered.php?bref=6677
|