业界首个声纹识别与音频检索系统，10分钟搭建产业级应用

Posted 2022-04-11 百度大脑

随着深度学习技术的升级与产业的发展，智能语音交互已成为了我们日常生活中一个重要的组成部分，并广泛应用在地图导航播报、智能客服回访、手机语音输入以及各类智能助手等应用场景中，可以说语音已成为了人与机器之间交流的重要桥梁。

飞桨语音模型库PaddleSpeech，为开发者提供了语音识别、语音合成、声纹识别、声音分类等多种语音交互能力，代码全部开源，各类服务一键部署，并附带保姆级教学文档，让开发者轻松搞定产业级应用！

PaddleSpeech自开源以来，就受到了开发者们的广泛关注，Star数一路上扬。

在此过程中，我们也根据用户的反馈不断升级，推陈出新，优化用户体验。

本次，PaddleSpeech新版本发布，再次为开发者带来了三项重要升级：

• 全新发布，业界首个开源声纹识别与音频检索系统，10分钟轻松搭建产业级应用
• 语音识别、语音合成、声音分类，一键部署三项核心语音服务
• 新增大量前沿算法模型，原有模型效果全面升级

项目传送门：

https://github.com/PaddlePaddle/PaddleSpeech

核心功能体验

1.PaddleSpeech的核心功能非常易用，按照首页的引导，选择简易模式即可安装。

2.执行如下五个命令轻松体验PaddleSpeech五项核心功能：

本次重磅升级

这次更新，我们为大家带来业界首个开源的声纹识别与声音检索系统，命令行一键式服务部署功能，以及多个模型的优化升级。

1. 全新发布，业界首个开源声纹识别与音频检索系统，10分钟轻松搭建产业级应用。

声纹特征作为生物特征，具有防伪性好，不易篡改和窃取等优点，配合语音识别与动态密码技术，非常适合于远程身份认证场景。在声纹识别技术的基础上，配合音频检索技术（如演讲、音乐、说话人等检索），可在海量音频数据中快速查询并找出相似声音（或相同说话人）片段。

其中声纹识别作为一个典型的模式识别问题，其基本的系统架构如下【1】：

PaddleSpeech这次开源的声纹识别与音频检索系统，集成了业界领先的声纹识别模型，使用ECAPA-TDNN模型提取声纹特征，识别等错误率（EER，Equal error rate）低至0.95%， 并且通过串联mysql和Milvus，可以搭建完整的音频检索系统，实现毫秒级声音检索。

音频检索系统的搭建过程也非常简单，仅需四步即可完成，我们一起来体验一下吧！

Demo使用展示：

a)安装好PaddleSpeech后，在PaddleSpeech根目录下，进入demos/audio_searching文件夹。构建数据库环境并启动Docker服务。

b)安装相关依赖并根据本机环境配置相关参数。

c)启动服务。

d)通过浏览器访问本机 8002 端口进入Audio Searching界面。

上传音频数据后，选择待检索的音频，得到声纹比对情况，评分越高，匹配程度越大。几行代码，轻松搞定声纹识别服务，赶紧来试试吧！

2. 语音识别、语音合成、声音分类，一键命令部署三项核心语音服务

在产业应用中，将训练好的模型以服务的形式提供给他人使用可以更方便。考虑到搭建一套完整的网络服务应用是一件繁琐的工作，PaddleSpeech为大家提供了一键式部署服务，命令行一行代码即可同时启动语音识别，语音合成，语音分类三大服务。

Demo使用及展示：进入 demo/speech_server 目录下，一键启动语音识别、语音合成、语音分类服务。

此时服务已经挂载到了配置的8090端口了，我们可以通过命令行对服务进行调用。

客户端调用，以语音识别为例：

识别结果：

语音合成与分类的服务使用类似，可以参考对应的文档。

3. 新增大量前沿算法模型，已有模型效果全面升级

除了上面各种功能之外，PaddleSpeech为开发者提供了丰富的预训练模型。

• 语音识别：Conformer语音识别模型优化升级，在离线环境下，Aishell数据集上识别正确率达 95% 以上

• 语音合成：新增多个预训练模型，合成效果全面提升，支持中英两种语言；前端优化，文字转拼音准确率进一步提高。

• 语音分类：新增开源PANN模型，在 ESC-50数据集上，分类准确率达95%。

• 声纹识别：新增开源ECAPA-TDNN模型，在VoxCeleb数据集上等错误率EER（Equal Error Rate）0.95%。

• 标点恢复: 开源基于ERNIE的中文标点恢复模型。

完善的文档教程