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.

你可以从 easy，medium，hard 三中方式中选择一种方式安装 PaddleSpeech。

2. 准备配置文件

配置文件包含服务相关的配置文件和服务中包含的语音任务相关的模型配置。 它们都在 conf 文件夹下。

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

• 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

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:

```bash
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:
```bash
[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.
[2022-02-23 15:20:37,875] [    INFO] - RTF: 0.096346
```

• 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.
  RTF: 0.107493
  
  

Pretrained Models

ASR model

下面是PaddleSpeech发布的ASR预训练模型列表，命令行和python接口均可用：

Model	Language	Sample Rate
conformer_wenetspeech	zh	16000
transformer_librispeech	en	16000

TTS model

下面是PaddleSpeech发布的 TTS预训练模型 列表，命令行和python接口均可用：

• Acoustic model

  Model	Language
  speedyspeech_csmsc	zh
  fastspeech2_csmsc	zh
  fastspeech2_aishell3	zh
  fastspeech2_ljspeech	en
  fastspeech2_vctk	en

• Vocoder

  Model	Language
  pwgan_csmsc	zh
  pwgan_aishell3	zh
  pwgan_ljspeech	en
  pwgan_vctk	en
  mb_melgan_csmsc	zh

下面是PaddleSpeech发布的 TTS预训练静态模型 列表，命令行和python接口均可用：

• Acoustic model

  Model	Language
  speedyspeech_csmsc	zh
  fastspeech2_csmsc	zh

• Vocoder

  Model	Language
  pwgan_csmsc	zh
  mb_melgan_csmsc	zh
  hifigan_csmsc	zh