Repolode
提交项目
PaddlePaddle

PaddlePaddle/PaddleSpeech

基于飞桨（PaddlePaddle）的开源语音工具包，涵盖语音识别、语音合成、声纹识别、关键词唤醒等任务。

在 GitHub 查看官网
Star
12,704
Fork
1,952
未关闭 Issue
277
最近提交
3个月前

这是什么？

PaddleSpeech 是基于飞桨深度学习框架的语音与音频工具包，提供开箱即用的命令行工具和 Python API，支持语音识别、语音合成、音频分类、声纹识别、说话人分离、关键词唤醒、标点恢复以及英译中语音翻译。

项目提供多种架构的预训练模型和训练配方，包括 DeepSpeech2、Conformer、Transformer 类 ASR 模型，以及 FastSpeech2、VITS、HiFiGAN 等 TTS 模型，声纹任务则使用 ECAPA-TDNN。中文前端包含文本正则化和字音转换（G2P，含多音字与变调处理）。TTS 模型支持导出 ONNX 格式，同时提供流式与非流式的语音识别、语音合成服务。

项目覆盖从数据准备、训练到推理部署的完整流程，并附有 C++ 运行时示例以及 Android、ARM Linux 上的演示程序。

核心功能

  • 01支持流式与非流式语音识别，并可自动添加标点。
  • 02提供语音合成，内置中文文本前端和多种声学模型与声码器。
  • 03支持声纹识别、说话人分离和音频分类。
  • 04支持关键词唤醒和英译中语音翻译。
  • 05提供命令行工具、Python API 以及 HTTP 和流式服务端。

适用场景

  • 为中文应用添加语音转文字或字幕生成功能。
  • 为虚拟主播、有声读物或语音助手制作语音合成音色。
  • 在后端服务中实现声纹识别或说话人验证。
  • 基于 AISHELL、LibriSpeech 等数据集进行语音模型研究或微调。

使用前须知

  • 基于飞桨（PaddlePaddle）框架构建，使用前需要安装该框架。
  • 提供的 README 内容未包含安装命令。

收录于专题

AI 视频与音频工具

标签

#speech-recognition#text-to-speech#speaker-verification#asr#tts#audio#deep-learning#paddlepaddle#code-switch#conformer

常见问题

PaddleSpeech 是什么？
基于飞桨（PaddlePaddle）的开源语音工具包，涵盖语音识别、语音合成、声纹识别、关键词唤醒等任务。 PaddleSpeech 是基于飞桨深度学习框架的语音与音频工具包，提供开箱即用的命令行工具和 Python API，支持语音识别、语音合成、音频分类、声纹识别、说话人分离、关键词唤醒、标点恢复以及英译中语音翻译。
PaddleSpeech 可以免费使用吗？用的什么许可证？
PaddleSpeech 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
PaddleSpeech 还在维护吗？
半年内有更新。PaddleSpeech 最近一次提交是在 2026年8月12日。
PaddleSpeech 适合用来做什么？
为中文应用添加语音转文字或字幕生成功能。 为虚拟主播、有声读物或语音助手制作语音合成音色。 在后端服务中实现声纹识别或说话人验证。 基于 AISHELL、LibriSpeech 等数据集进行语音模型研究或微调。
在哪里获取 PaddleSpeech？
源代码和安装说明在 GitHub 上：https://github.com/PaddlePaddle/PaddleSpeech

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。

相关项目