哈嘍，大家好，我是月亮。一個(gè)工作n年的老程序員啦，平時(shí)喜歡研究各種有意思的小工具，每周定時(shí)分享給大家~

今天給大家分享一個(gè)國(guó)產(chǎn)的，文字和語音互轉(zhuǎn)的開源工具：PaddleSpeech。

說起文字轉(zhuǎn)語音，應(yīng)用場(chǎng)景還是非常多的，月亮以前工作時(shí)就遇到過處理文字轉(zhuǎn)語音的情況，當(dāng)時(shí)需要給一篇簡(jiǎn)短的稿子進(jìn)行配音工作。

一般的公司都是沒有專門的配音人員的，所以當(dāng)時(shí)這項(xiàng)需求可是讓產(chǎn)品經(jīng)理小小的頭疼了一下。

后來調(diào)研了某度和某大訊飛，在試聽了這幾個(gè)平臺(tái)文字轉(zhuǎn)語音的效果后，成功制作出了一段還不錯(cuò)的音頻。

要是當(dāng)時(shí)研究過一些音頻技術(shù)，可能處理起來就會(huì)更容易啦。

工具安裝

截止本文寫作的時(shí)間，PaddleSpeech在Github上收獲了4.6K Star，可以說是很優(yōu)秀的工具包啦~

TA可以實(shí)現(xiàn)文字轉(zhuǎn)語音、語音轉(zhuǎn)文字、語音翻譯等功能，功能支撐還是挺齊全的。

首先，安裝PaddleSpeech。

由于PaddleSpeech是依賴于paddlepaddle的，所以先安裝paddlepaddle。

本文演示使用的是Windows操作系統(tǒng)，如果你是其他操作系統(tǒng)，請(qǐng)參考paddlepaddle官網(wǎng)進(jìn)行安裝。

python -m pip install paddlepaddle==2.3.1 -i https://mirror.baidu.com/pypi/simple

接著，安裝PaddleSpeech，命令如下。

pip install pytest-runner
pip install paddlespeech

接著開始等待... ...

此處切換為國(guó)內(nèi)下載源，就會(huì)特別快。

注：安裝請(qǐng)使用python3.7，步驟、環(huán)境嚴(yán)格按照官網(wǎng)要求來執(zhí)行，否則出錯(cuò)很難處理。

30秒入門體驗(yàn)

文字轉(zhuǎn)語音

首先來體驗(yàn)一下最基礎(chǔ)的文字轉(zhuǎn)語音，這樣咱們就可以得到一份語音文件，語音可以用于后續(xù)的其他功能的測(cè)試。

直接在python代碼中，輸入想要轉(zhuǎn)換的文字即可，代碼如下。

使用的文字為：我愛吃西紅柿。

from paddlespeech.cli.tts.infer import TTSExecutor
out = TTSExecutor()
out(text="我愛吃西紅柿。", output="tomato.wav")

生成了一份名為 tomato.wav 的語音文件，我試聽了一下，雖然有一些明顯的AI合成聲音的味道，但是總體效果還是不錯(cuò)的。

音頻貼在下面，大家可以試聽一下。

語音轉(zhuǎn)文字

為了保證轉(zhuǎn)換正確，我這里直接使用上面生成的語音。

如果自己錄一段語音的話，肯定會(huì)有些雜音，不知道會(huì)不會(huì)影響轉(zhuǎn)換效果，用工具生成的語音肯定沒有問題。

轉(zhuǎn)換代碼如下。

from paddlespeech.cli.asr.infer import ASRExecutor
asr = ASRExecutor()
result = asr(audio_file="tomato.wav")
print(result)

這里是轉(zhuǎn)換結(jié)果。

結(jié)果轉(zhuǎn)換非常正確，識(shí)別無誤。

如果大家想要測(cè)試更有難度的場(chǎng)景，可以自己錄制語音進(jìn)行嘗試，比如說錄音里加一些窗外的鳴笛的嘀嘀聲，風(fēng)扇的呼呼聲...

自動(dòng)添加標(biāo)點(diǎn)符號(hào)

除開語音和文字轉(zhuǎn)換的處理，PaddleSpeech還可以對(duì)單獨(dú)的文字進(jìn)行處理。

比如下面這段缺少標(biāo)點(diǎn)的文字，TA能自動(dòng)給識(shí)別出來應(yīng)該斷句的位置，并且給加上合適的標(biāo)點(diǎn)。

要我說呀那西紅柿有啥好吃的還是黑椒牛排好吃

代碼如下。

from paddlespeech.cli.text.infer import TextExecutor
text_punc = TextExecutor()
result = text_punc(text="要我說呀那西紅柿有啥好吃的還是黑椒牛排好吃")

不知何故，在python代碼中執(zhí)行，沒有給到正確的運(yùn)行結(jié)果，所以我嘗試了一下用命令行的方式。

paddlespeech text --task punc --input "要我說呀那西紅柿有啥好吃的還是黑椒牛排好吃" 

運(yùn)行結(jié)果如下。

# 添加標(biāo)點(diǎn)的結(jié)果 要我說：呀，那西紅柿有啥好吃的？還是黑椒牛排好吃。

稍微有一點(diǎn)點(diǎn)不正確，感覺上，xx說，這個(gè)xx直接被當(dāng)作某人在說話了。

這里我換了兩個(gè)例子，重新試了一下。

校長(zhǎng)說胸前除了?；談e別別的

校長(zhǎng)說今天中午作業(yè)沒交的全部留下

paddlespeech text --task punc --input "校長(zhǎng)說胸前除了?；談e別別的" paddlespeech text --task punc --input "校長(zhǎng)說今天中午作業(yè)沒交的全部留下" # 測(cè)試結(jié)果 校長(zhǎng)說：胸前除了?；?，別，別，別的。
校長(zhǎng)說：今天中午，作業(yè)沒交的，全部留下。

測(cè)試結(jié)果不是特別精準(zhǔn)，但是一些基本的、沒有歧義的句子，工具還是能自動(dòng)識(shí)別出來的。

自動(dòng)翻譯

PaddleSpeech另一個(gè)強(qiáng)悍的功能，在于TA可以直接將語音進(jìn)行翻譯。

下面用I like eating tomatoes來演示。

翻譯成中文，應(yīng)該是：我喜歡吃西紅柿。

示例中我用兩段音頻測(cè)試，但是沒有翻譯成功。

根據(jù)官方描述，語音翻譯功能當(dāng)前只能使用Ubuntn系統(tǒng)體驗(yàn)。

而我的服務(wù)器安裝的是centos系統(tǒng)，這個(gè)功能就不演示了，同時(shí)官方也推薦大家使用Linux操作系統(tǒng)來使用本項(xiàng)目。

如果感興趣，大家可以自行嘗試PaddleSpeech更多功能。

重要提醒

在這里還是要提醒大家，一定按照官網(wǎng)要求的版本來進(jìn)行環(huán)境安裝，本文中的示例，我用了整整一天才把環(huán)境問題搞定。

可以說是非常麻煩了，安裝到一半的時(shí)候，我就有預(yù)感要出問題，最后果然環(huán)境問題一個(gè)接著一個(gè)出現(xiàn)。

一般像這類耗時(shí)比較多的技術(shù)文，我都會(huì)周末一口氣寫完，這次直接消耗掉了半個(gè)周末。