国产牛B！这操作真的太爱了，御姐语音版！

哈喽，大家好，我是月亮。一个工作n年的老程序员啦，平时喜欢研究各种有意思的小工具，每周定时分享给大家~

今天给大家分享一个国产的，文字和语音互转的开源工具：PaddleSpeech。

说起文字转语音，应用场景还是非常多的，月亮以前工作时就遇到过处理文字转语音的情况，当时需要给一篇简短的稿子进行配音工作。

一般的公司都是没有专门的配音人员的，所以当时这项需求可是让产品经理小小的头疼了一下。

后来调研了某度和某大讯飞，在试听了这几个平台文字转语音的效果后，成功制作出了一段还不错的音频。

要是当时研究过一些音频技术，可能处理起来就会更容易啦。

工具安装

截止本文写作的时间，PaddleSpeech在Github上收获了4.6K Star，可以说是很优秀的工具包啦~

TA可以实现文字转语音、语音转文字、语音翻译等功能，功能支撑还是挺齐全的。

首先，安装PaddleSpeech。

由于PaddleSpeech是依赖于paddlepaddle的，所以先安装paddlepaddle。

本文演示使用的是Windows操作系统，如果你是其他操作系统，请参考paddlepaddle官网进行安装。

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

接着，安装PaddleSpeech，命令如下。

pip install pytest-runner
pip install paddlespeech

接着开始等待... ...

此处切换为国内下载源，就会特别快。

注：安装请使用python3.7，步骤、环境严格按照官网要求来执行，否则出错很难处理。

30秒入门体验

文字转语音

首先来体验一下最基础的文字转语音，这样咱们就可以得到一份语音文件，语音可以用于后续的其他功能的测试。

直接在python代码中，输入想要转换的文字即可，代码如下。

使用的文字为：我爱吃西红柿。

from paddlespeech.cli.tts.infer import TTSExecutor
out = TTSExecutor()
out(text="我爱吃西红柿。", output="tomato.wav")

生成了一份名为 tomato.wav 的语音文件，我试听了一下，虽然有一些明显的AI合成声音的味道，但是总体效果还是不错的。

音频贴在下面，大家可以试听一下。

语音转文字

为了保证转换正确，我这里直接使用上面生成的语音。

如果自己录一段语音的话，肯定会有些杂音，不知道会不会影响转换效果，用工具生成的语音肯定没有问题。

转换代码如下。

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

这里是转换结果。

结果转换非常正确，识别无误。

如果大家想要测试更有难度的场景，可以自己录制语音进行尝试，比如说录音里加一些窗外的鸣笛的嘀嘀声，风扇的呼呼声...

自动添加标点符号

除开语音和文字转换的处理，PaddleSpeech还可以对单独的文字进行处理。

比如下面这段缺少标点的文字，TA能自动给识别出来应该断句的位置，并且给加上合适的标点。

要我说呀那西红柿有啥好吃的还是黑椒牛排好吃

代码如下。

from paddlespeech.cli.text.infer import TextExecutor
text_punc = TextExecutor()
result = text_punc(text="要我说呀那西红柿有啥好吃的还是黑椒牛排好吃")

不知何故，在python代码中执行，没有给到正确的运行结果，所以我尝试了一下用命令行的方式。

paddlespeech text --task punc --input "要我说呀那西红柿有啥好吃的还是黑椒牛排好吃" 

运行结果如下。

# 添加标点的结果 要我说：呀，那西红柿有啥好吃的？还是黑椒牛排好吃。

稍微有一点点不正确，感觉上，xx说，这个xx直接被当作某人在说话了。

这里我换了两个例子，重新试了一下。

校长说胸前除了校徽别别别的

校长说今天中午作业没交的全部留下

paddlespeech text --task punc --input "校长说胸前除了校徽别别别的" paddlespeech text --task punc --input "校长说今天中午作业没交的全部留下" # 测试结果 校长说：胸前除了校徽，别，别，别的。
校长说：今天中午，作业没交的，全部留下。

测试结果不是特别精准，但是一些基本的、没有歧义的句子，工具还是能自动识别出来的。

自动翻译

PaddleSpeech另一个强悍的功能，在于TA可以直接将语音进行翻译。

下面用I like eating tomatoes来演示。

翻译成中文，应该是：我喜欢吃西红柿。

示例中我用两段音频测试，但是没有翻译成功。

根据官方描述，语音翻译功能当前只能使用Ubuntn系统体验。

而我的服务器安装的是centos系统，这个功能就不演示了，同时官方也推荐大家使用Linux操作系统来使用本项目。

如果感兴趣，大家可以自行尝试PaddleSpeech更多功能。

重要提醒

在这里还是要提醒大家，一定按照官网要求的版本来进行环境安装，本文中的示例，我用了整整一天才把环境问题搞定。

可以说是非常麻烦了，安装到一半的时候，我就有预感要出问题，最后果然环境问题一个接着一个出现。

一般像这类耗时比较多的技术文，我都会周末一口气写完，这次直接消耗掉了半个周末。