PaddleSpeech

PaddleSpeech是什么？

PaddleSpeech是一个基于PaddlePaddle平台的开源工具包，专注于语音识别（自动语音识别，ASR）和语音合成（TTS）这两项重要任务，包含涉及先进和有影响力模型的模块。

PaddleSpeech能做什么？

语音转文本

PaddleSpeech ASR 主要由以下组件组成：

• 模型的实现和常用的神经网络层。

• 数据集抽象和常见数据预处理流程。

• 准备运行的实验。

PaddleSpeech ASR为您提供了完整的ASR管道，包括：

• 数据准备

  • 建立词汇

  • 计算倒谱均值和方差归一化 (CMVN)

  • 特征提取

    • 线性

    • fbank（也支持kaldi特征）

    • mfcc

• 声学模型

  • Deepspeech2（流式和非流式）

  • 变压器 (流式和非流式)

  • 变换器（流式和非流式）

• 解码器

  • ctc 贪婪搜索 (用于 DeepSpeech2、Transformer 和 Conformer)

  • ctc beam search（用于DeepSpeech2、Transformer和Conformer）

  • 注意解码（用于变换器和一致体）

  • 注意重评分（用于变换器和一致器）

语音转文本可以帮助您非常简单地训练ASR模型。

文本转语音

TTS主要由以下组件组成：

• 模型的实现和常用的神经网络层。

• 数据集抽象和常见数据预处理流程。

• 准备运行的实验。

PaddleSpeech TTS 为您提供完整的 TTS 流水线，包括：

• 文本前端

  • 基于规则的中文前端。

• 声学模型

  • 快语音2

  • 快速语音

  • 变换器文本到语音

  • Tacotron2

• 声码器

  • 多频带MelGAN

  • 并行 WaveGAN

  • 波流

• 语音克隆

  • 从说话人验证到多说话人文本到语音合成的迁移学习

  • GE2E

文本转语音帮助您通过简单的命令训练 TTS 模型。