语音内容搜索

介绍

语音内容搜索是一项用计算机程序获取转录语音内容关键词时间戳的技术。

这个 demo 是一个从给定音频文件获取其文本中关键词时间戳的实现，它可以通过使用 PaddleSpeech 的单个命令或 python 中的几行代码来实现。

当前示例中检索词是

我
康

使用方法

1. 安装

请看安装文档。

你可以从 medium，hard 三中方式中选择一种方式安装。依赖参见 requirements.txt, 安装依赖

pip install -r requirements.txt

2. 准备输入

这个 demo 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 demo 的示例音频：

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

3. 启动 server

使用 client 之前需要先启动 paddlespeech_server。

可以使用默认 server 配置：

bash demos/audio_content_search/run.sh

该配置下两个服务的日志会被记录在 acs.log 和 streaming_asr.log 中。

4. 使用方法

命令行 (推荐使用)

# 中文
paddlespeech_client acs --server_ip 127.0.0.1 --port 8490 --input ./zh.wav

使用方法：

paddlespeech asr --help

参数：

input(必须输入)：用于识别的音频文件。
server_ip: 服务的ip。
port：服务的端口。
lang：模型语言，默认值：zh。
sample_rate：音频采样率，默认值：16000。
audio_format: 音频的格式。

输出：

[2022-05-15 15:00:58,185] [    INFO] - acs http client start
[2022-05-15 15:00:58,185] [    INFO] - endpoint: http://127.0.0.1:8490/paddlespeech/asr/search
[2022-05-15 15:01:03,220] [    INFO] - acs http client finished
[2022-05-15 15:01:03,221] [    INFO] - ACS result: {'transcription': '我认为跑步最重要的就是给我带来了身体健康', 'acs': [{'w': '我', 'bg': 0, 'ed': 1.6800000000000002}, {'w': '我', 'bg': 2.1, 'ed': 4.28}, {'w': '康', 'bg': 3.2, 'ed': 4.92}]}
[2022-05-15 15:01:03,221] [    INFO] - Response time 5.036084 s.

Python API

from paddlespeech.server.bin.paddlespeech_client import ACSClientExecutor

acs_executor = ACSClientExecutor()
res = acs_executor(
    input='./zh.wav',
    server_ip="127.0.0.1",
    port=8490,)
print(res)

输出：

[2022-05-15 15:08:13,955] [    INFO] - acs http client start
[2022-05-15 15:08:13,956] [    INFO] - endpoint: http://127.0.0.1:8490/paddlespeech/asr/search
[2022-05-15 15:08:19,026] [    INFO] - acs http client finished
{'transcription': '我认为跑步最重要的就是给我带来了身体健康', 'acs': [{'w': '我', 'bg': 0, 'ed': 1.6800000000000002}, {'w': '我', 'bg': 2.1, 'ed': 4.28}, {'w': '康', 'bg': 3.2, 'ed': 4.92}]}

2.9 KiB Raw Blame History Unescape Escape