|
|
([简体中文](./README_cn.md)|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](https://github.com/PaddlePaddle/PaddleSpeech/blob/develop/docs/source/install.md).
|
|
|
|
|
|
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：
|
|
|
```bash
|
|
|
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)
|
|
|
|
|
|
```bash
|
|
|
# 启动服务
|
|
|
paddlespeech_server start --config_file ./conf/application.yaml
|
|
|
```
|
|
|
|
|
|
使用方法：
|
|
|
|
|
|
```bash
|
|
|
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:
|
|
|
```bash
|
|
|
[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
|
|
|
```python
|
|
|
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：
|
|
|
```bash
|
|
|
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:
|
|
|
|
|
|
```bash
|
|
|
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:
|
|
|
|
|
|
```bash
|
|
|
[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
|
|
|
```python
|
|
|
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:
|
|
|
```bash
|
|
|
{'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)
|
|
|
|
|
|
```bash
|
|
|
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：None，表示不保存音频到本地。
|
|
|
|
|
|
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.
|
|
|
```
|
|
|
|
|
|
- Python API
|
|
|
```python
|
|
|
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:
|
|
|
```bash
|
|
|
{'description': 'success.'}
|
|
|
Save synthesized audio successfully on ./output.wav.
|
|
|
Audio duration: 3.612500 s.
|
|
|
|
|
|
```
|
|
|
|
|
|
### 5. 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:
|
|
|
|
|
|
```bash
|
|
|
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:
|
|
|
```bash
|
|
|
[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
|
|
|
```python
|
|
|
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:
|
|
|
```bash
|
|
|
{'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。
|
