PaddleSpeech

环境要求

• 强烈推荐在 Linux 系统上安装
• Python >= 3.8
• 已安装 pip，且能访问百度镜像源（mirror.baidu.com）
• 测试音频需为 16k wav 格式

安装与启动步骤

1. 1安装飞桨框架

   先安装 PaddlePaddle 作为底层依赖。2.4.1 只是示例版本，请根据你选的 PaddleSpeech 版本所需的最小依赖调整版本号。

   pip install paddlepaddle==2.4.1 -i https://mirror.baidu.com/pypi/simple

   复制

2. 2安装语音工具包

   README 提供 pip 安装与源码编译两种方式，源码编译为官方推荐。这里用 pip 方式，先装 pytest-runner 再装 paddlespeech。

   pip install pytest-runner
   pip install paddlespeech

   复制

3. 3下载测试音频

   下载官方提供的示例音频用于后续推理测试，如需测试自己的音频可替换 --input 参数。

   wget -c https://paddlespeech.cdn.bcebos.com/PaddleAudio/zh.wav
   wget -c https://paddlespeech.cdn.bcebos.com/PaddleAudio/en.wav

   复制

4. 4启动语音服务

   在项目根目录用 demos 下的 application.yaml 启动语音服务端，默认监听 8090 端口，等待模型加载完成。

   paddlespeech_server start --config_file ./demos/speech_server/conf/application.yaml

   复制

5. 5调用语音识别

   另开终端调用 ASR 服务，把音频路径换成你自己的 16k wav 文件，服务端会返回识别文本。

   paddlespeech_client asr --server_ip 127.0.0.1 --port 8090 --input input_16k.wav

   复制

6. 6调用语音合成

   调用 TTS 服务，把文本合成语音并保存为 output.wav，可换成任意中英文文本。

   paddlespeech_client tts --server_ip 127.0.0.1 --port 8090 --input "您好，欢迎使用百度飞桨语音合成服务。" --output output.wav

   复制

7. 7启动流式识别服务

   使用流式 ASR 的配置文件启动服务端，适合实时交互场景，客户端需用 asr_online 命令调用。

   paddlespeech_server start --config_file ./demos/streaming_asr_server/conf/application.yaml

   复制

8. 8调用流式识别

   用 asr_online 调用流式服务；流式 TTS 需启动 tts_online_application.yaml 配置并访问 8092 端口。

   paddlespeech_client asr_online --server_ip 127.0.0.1 --port 8090 --input input_16k.wav

   复制

关键配置

如何确认成功

服务端启动无报错并持续运行；客户端能返回识别文本，或生成可播放的 output.wav 文件，即部署成功。

常见问题

注意事项

• README 强烈推荐在 Linux 系统、Python >= 3.8 环境下安装。
• paddlepaddle==2.4.1 仅为示例，需按所选 PaddleSpeech 版本的最小依赖选择对应版本。
• 源码编译是官方推荐的另一种安装方式；可编辑模式安装需加 --use-pep517 参数。
• 服务端与客户端命令中的 config_file 为相对路径，需在包含 demos 目录的项目根目录下执行。