[PaddlePaddle飞桨] PaddleSpeech-自动语音识别-小模型部署

PaddleSpeech的GitHub项目地址
环境要求:

html 复制代码
gcc >= 4.8.5
paddlepaddle <= 2.5.1
python >= 3.8
OS support: Linux(recommend), Windows, Mac OSX

pip下载指令:

html 复制代码
python -m pip install paddlepaddle-gpu==2.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple  

pip install paddlespeech==1.4.1

小模型配置代码:

python 复制代码
from paddlespeech.cli.asr.infer import ASRExecutor

ASR_MODELS = ['conformer_wenetspeech-zh-16k', 'conformer_online_wenetspeech-zh-16k',
              'conformer_u2pp_online_wenetspeech-zh-16k',
              'conformer_online_multicn-zh-16k', 'conformer_aishell-zh-16k', 'conformer_online_aishell-zh-16k',
              'transformer_librispeech-en-16k', 'deepspeech2online_wenetspeech-zh-16k',
              'deepspeech2offline_aishell-zh-16k',
              'deepspeech2online_aishell-zh-16k', 'deepspeech2offline_librispeech-en-16k',
              'conformer_talcs-codeswitch_zh_en-16k']
ASR_MODEL = 'conformer_wenetspeech'
ASR_EXECUTOR = ASRExecutor()

音频文件保存代码:

python 复制代码
import io
import os
import uuid
import soundfile as sf
# 将音频数据转换并保存为16kHz采样率、16位量化深度、单声道的WAV文件
def save_audio_file(file_path, file_content):
    # 生成一个唯一的文件名
    unique_filename = str(uuid.uuid4()) + ".wav"

    # 确保目录存在
    if not os.path.exists(file_path):
        os.makedirs(file_path)

    try:
        # 将文件流转换为音频数据
        audio_data, sample_rate = sf.read(io.BytesIO(file_content.read()))

        # 构建完整的文件路径
        file_path_with_file_name = os.path.join(file_path, unique_filename)

        # # 重采样音频数据到16kHz,单声道,16位
        if sample_rate != 16000:
            from scipy.signal import resample
            num_samples = int(len(audio_data) * (16000 / sample_rate))
            audio_data = resample(audio_data, num_samples)
            sample_rate = 16000

        # 保存音频数据为16位,16kHz,单声道的WAV文件
        sf.write(file_path_with_file_name, audio_data, 16000, subtype='PCM_16')

        return file_path_with_file_name, sample_rate

    except Exception as e:
        print(f"Error saving file: {e}")
        return None

获取语音识别结果代码:

python 复制代码
import os
# 获取指定文件的语音识别结果
def get_text_with_asr(file_path_with_file_name, sample_rate):
    if not os.path.exists(file_path_with_file_name):
        return None
    asr_result = ASR_EXECUTOR(
        audio_file=file_path_with_file_name,
        model=ASR_MODEL,
        # sample_rate=sample_rate,
        # lang='zh'
    )
    return asr_result

音频转文字代码:

python 复制代码
import os
# 音频转文字(上传音频文件)
def audio_to_text(file_content, file_name):
    file_path_without_file_name = '.' + STATIC_FILE_PATH + "/"
    if not os.path.exists(file_path_without_file_name):
        os.makedirs(file_path_without_file_name)
    file_path_with_file_name, sample_rate = save_audio_file(file_path_without_file_name, file_content)
    asr_result = get_text_with_asr(file_path_with_file_name, sample_rate)
    return asr_result
相关推荐
经济元宇宙16 分钟前
摄影培训行业百科:机构选择与学习路径全解析
大数据·人工智能·学习
哥只是传说中的小白42 分钟前
GrsaiApi官方正版字字动画插件!支持nano banana pro和gpt-image-2模型
人工智能·gpt·ai作画·开源·aigc·api
GJGCY42 分钟前
企业AI Agent落地架构深度解析:LLM+RAG+RPA+工具调用全流程
大数据·人工智能·ai·数字化·智能体
刀法如飞1 小时前
Ontology本体论是什么数据结构?Palantir 技术原理介绍
数据结构·人工智能·ai编程·图论
大神科技AI定制1 小时前
企业级OpenClaw落地指南:如何通过私有化部署构建安全AI Agent工作流?
人工智能·安全
老王谈企服1 小时前
大模型时代,制造业周期性成本分析将如何智能化升级?——工业Agent落地指南与全链路成本重构方案
人工智能·ai·重构
IvanCodes2 小时前
从 ChatBot 到具身 Agent:我终于看懂 AI 的下一代交互入口
人工智能·agent
闵孚龙2 小时前
Claude Code API通信层全解析:重试、流式、降级、Fast Mode、Prompt Cache 与 Files API 的底层工程
人工智能·架构·prompt
三产2 小时前
Hermes 教程 02:配置详解
人工智能·hermes
2601_957780842 小时前
Claude Code 2026年最新部署指南:从环境搭建到技能扩展
前端·人工智能·ai编程·claude