msb-public
/
PaddleSpeech
mirror of https://github.com/PaddlePaddle/PaddleSpeech
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from '15b25199c2'
${ noResults }
PaddleSpeech/demos/speech_server/README_cn.md

8.3 KiB
Raw Blame History Escape

(简体中文|English)

语音服务

介绍

这个demo是一个启动离线语音服务和访问服务的实现。它可以通过使用paddlespeech_server 和 paddlespeech_client的单个命令或 python 的几行代码来实现。

使用方法

1. 安装

请看 安装文档.

推荐使用 paddlepaddle 2.2.2 或以上版本。 你可以从 medium，hard 两种方式中选择一种方式安装 PaddleSpeech。

2. 准备配置文件

配置文件可参见 conf/application.yaml 。 其中，engine_list表示即将启动的服务将会包含的语音引擎，格式为 <语音任务>_<引擎类型>。 目前服务集成的语音任务有： asr(语音识别)、tts(语音合成)以及cls(音频分类)。 目前引擎类型支持两种形式：python 及 inference (Paddle Inference) 注意： 如果在容器里可正常启动服务，但客户端访问 ip 不可达，可尝试将配置文件中 host 地址换成本地 ip 地址。

ASR client 的输入是一个 WAV 文件（.wav），并且采样率必须与模型的采样率相同。

可以下载此 ASR client的示例音频：

wget -c https://paddlespeech.bj.bcebos.com/PaddleAudio/zh.wav https://paddlespeech.bj.bcebos.com/PaddleAudio/en.wav

3. 服务端使用方法

  • 命令行 (推荐使用)

    # 启动服务
paddlespeech_server start --config_file ./conf/application.yaml

    使用方法：

    paddlespeech_server start --help

    参数:

    • config_file: 服务的配置文件，默认： ./conf/application.yaml
    • log_file: log 文件. 默认：./log/paddlespeech.log

    输出:

    [2022-02-23 11:17:32] [INFO] [server.py:64] Started server process [6384]
INFO:     Waiting for application startup.
[2022-02-23 11:17:32] [INFO] [on.py:26] Waiting for application startup.
INFO:     Application startup complete.
[2022-02-23 11:17:32] [INFO] [on.py:38] Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8090 (Press CTRL+C to quit)
[2022-02-23 11:17:32] [INFO] [server.py:204] Uvicorn running on http://127.0.0.1:8090 (Press CTRL+C to quit)

  • Python API

    from paddlespeech.server.bin.paddlespeech_server import ServerExecutor

server_executor = ServerExecutor()
server_executor(
    config_file="./conf/application.yaml", 
    log_file="./log/paddlespeech.log")

    输出：

    INFO:     Started server process [529]
[2022-02-23 14:57:56] [INFO] [server.py:64] Started server process [529]
INFO:     Waiting for application startup.
[2022-02-23 14:57:56] [INFO] [on.py:26] Waiting for application startup.
INFO:     Application startup complete.
[2022-02-23 14:57:56] [INFO] [on.py:38] Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8090 (Press CTRL+C to quit)
[2022-02-23 14:57:56] [INFO] [server.py:204] Uvicorn running on http://127.0.0.1:8090 (Press CTRL+C to quit)

4. ASR 客户端使用方法

注意： 初次使用客户端时响应时间会略长

  • 命令行 (推荐使用)

    paddlespeech_client asr --server_ip 127.0.0.1 --port 8090 --input ./zh.wav

    使用帮助:

    paddlespeech_client asr --help

    参数:

    • server_ip: 服务端ip地址，默认: 127.0.0.1。
    • port: 服务端口，默认: 8090。
    • input(必须输入): 用于识别的音频文件。
    • sample_rate: 音频采样率，默认值：16000。
    • lang: 模型语言，默认值：zh_cn。
    • audio_format: 音频格式，默认值：wav。

    输出:

    [2022-02-23 18:11:22,819] [    INFO] - {'success': True, 'code': 200, 'message': {'description': 'success'}, 'result': {'transcription': '我认为跑步最重要的就是给我带来了身体健康'}}
[2022-02-23 18:11:22,820] [    INFO] - time cost 0.689145 s.

  • Python API

    from paddlespeech.server.bin.paddlespeech_client import ASRClientExecutor
import json

asrclient_executor = ASRClientExecutor()
res = asrclient_executor(
    input="./zh.wav",
    server_ip="127.0.0.1",
    port=8090,
    sample_rate=16000,
    lang="zh_cn",
    audio_format="wav")
print(res.json())

    输出:

    {'success': True, 'code': 200, 'message': {'description': 'success'}, 'result': {'transcription': '我认为跑步最重要的就是给我带来了身体健康'}}

5. TTS 客户端使用方法

注意： 初次使用客户端时响应时间会略长

  • 命令行 (推荐使用)

    paddlespeech_client tts --server_ip 127.0.0.1 --port 8090 --input "您好，欢迎使用百度飞桨语音合成服务。" --output output.wav

    使用帮助:

    paddlespeech_client tts --help

    参数:

    • server_ip: 服务端ip地址，默认: 127.0.0.1。
    • port: 服务端口，默认: 8090。
    • input(必须输入): 待合成的文本。
    • spk_id: 说话人 id，用于多说话人语音合成，默认值： 0。
    • speed: 音频速度，该值应设置在 0 到 3 之间。 默认值：1.0
    • volume: 音频音量，该值应设置在 0 到 3 之间。 默认值： 1.0
    • sample_rate: 采样率，可选 [0, 8000, 16000]，默认与模型相同。 默认值：0
    • output: 输出音频的路径， 默认值：None，表示不保存音频到本地。

    输出:

    [2022-02-23 15:20:37,875] [    INFO] - {'description': 'success.'}
[2022-02-23 15:20:37,875] [    INFO] - Save synthesized audio successfully on output.wav.
[2022-02-23 15:20:37,875] [    INFO] - Audio duration: 3.612500 s.
[2022-02-23 15:20:37,875] [    INFO] - Response time: 0.348050 s.

  • Python API

    from paddlespeech.server.bin.paddlespeech_client import TTSClientExecutor
import json

ttsclient_executor = TTSClientExecutor()
res = ttsclient_executor(
    input="您好，欢迎使用百度飞桨语音合成服务。",
    server_ip="127.0.0.1",
    port=8090,
    spk_id=0,
    speed=1.0,
    volume=1.0,
    sample_rate=0,
    output="./output.wav")

response_dict = res.json()
print(response_dict["message"])
print("Save synthesized audio successfully on %s." % (response_dict['result']['save_path']))
print("Audio duration: %f s." %(response_dict['result']['duration']))

    输出:

    {'description': 'success.'}
Save synthesized audio successfully on ./output.wav.
Audio duration: 3.612500 s.

    6. CLS 客户端使用方法

    注意： 初次使用客户端时响应时间会略长

    • 命令行 (推荐使用)
    paddlespeech_client cls --server_ip 127.0.0.1 --port 8090 --input ./zh.wav

    使用帮助:

    paddlespeech_client cls --help

    参数:

    • server_ip: 服务端ip地址，默认: 127.0.0.1。
    • port: 服务端口，默认: 8090。
    • input(必须输入): 用于分类的音频文件。
    • topk: 分类结果的topk。

    输出:

    [2022-03-09 20:44:39,974] [    INFO] - {'success': True, 'code': 200, 'message': {'description': 'success'}, 'result': {'topk': 1, 'results': [{'class_name': 'Speech', 'prob': 0.9027184844017029}]}}
[2022-03-09 20:44:39,975] [    INFO] - Response time 0.104360 s.

  • Python API

    from paddlespeech.server.bin.paddlespeech_client import CLSClientExecutor
import json

clsclient_executor = CLSClientExecutor()
res = clsclient_executor(
    input="./zh.wav",
    server_ip="127.0.0.1",
    port=8090,
    topk=1)
print(res.json())

    输出:

    {'success': True, 'code': 200, 'message': {'description': 'success'}, 'result': {'topk': 1, 'results': [{'class_name': 'Speech', 'prob': 0.9027184844017029}]}}

服务支持的模型

ASR支持的模型

通过 paddlespeech_server stats --task asr 获取ASR服务支持的所有模型，其中静态模型可用于 paddle inference 推理。

TTS支持的模型

通过 paddlespeech_server stats --task tts 获取TTS服务支持的所有模型，其中静态模型可用于 paddle inference 推理。

CLS支持的模型

通过 paddlespeech_server stats --task cls 获取CLS服务支持的所有模型，其中静态模型可用于 paddle inference 推理。