PaddleSpeech/demos/speech_server/README_cn.md

(简体中文|English)

语音服务

介绍

这个demo是一个启动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 2.2.1 或以上版本。 你可以从 medium，hard 三中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)。 目前引擎类型支持两种形式：python 及 inference (Paddle Inference)

这个 ASR client 的输入应该是一个 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://0.0.0.0:8090 (Press CTRL+C to quit)
  [2022-02-23 11:17:32] [INFO] [server.py:204] Uvicorn running on http://0.0.0.0:8090 (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://0.0.0.0:8090 (Press CTRL+C to quit)
  [2022-02-23 14:57:56] [INFO] [server.py:204] Uvicorn running on http://0.0.0.0:8090 (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
  
  asrclient_executor = ASRClientExecutor()
  asrclient_executor(
      input="./zh.wav",
      server_ip="127.0.0.1",
      port=8090,
      sample_rate=16000,
      lang="zh_cn",
      audio_format="wav")
  

  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'}}
  time cost 0.604353 s.
  
  

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：output.wav。

  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
  
  ttsclient_executor = TTSClientExecutor()
  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")
  

  输出:

  {'description': 'success.'}
  Save synthesized audio successfully on ./output.wav.
  Audio duration: 3.612500 s.
  Response time: 0.388317 s.
  
  

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。