parrots - 支持多语言的语音识别与语音合成工具套件

Parrots 项目介绍

简介

Parrots 是一个支持多语言的自动语音识别 (ASR) 和文本转语音 (TTS) 工具包。该工具包实现了语音识别和语音合成模型的一键调用，支持中文、英文和日文等多种语言。用户可以快速、方便地进行语音处理任务。

特色功能

ASR（语音识别）：使用 distilwhisper 模型实现，支持多种语言，包括中文和英文。
TTS（语音合成）：基于 GPT-SoVITS 训练的模型，支持包括中文、英文和日文在内的多种语言。

安装指南

用户可以通过以下方式安装 Parrots：

使用 pip 安装：

pip install torch # 或者使用 conda 安装 pytorch
pip install -r requirements.txt
pip install parrots

或者使用以下步骤：

pip install torch # 或者使用 conda 安装 pytorch
git clone https://github.com/shibing624/parrots.git
cd parrots
python setup.py install

使用示例

语音识别 (ASR)

用户可以通过以下示例代码进行语音识别：

import os
import sys

sys.path.append('..')
from parrots import SpeechRecognition

pwd_path = os.path.abspath(os.path.dirname(__file__))

if __name__ == '__main__':
    m = SpeechRecognition()
    r = m.recognize_speech_from_file(os.path.join(pwd_path, 'tushuguan.wav'))
    print('[提示] 语音识别结果：', r)

输出示例如下：

{'text': '北京图书馆'}

文本转语音 (TTS)

以下为 TTS 使用示例代码：

import sys
sys.path.append('..')
import parrots
from parrots import TextToSpeech
parrots_path = parrots.__path__[0]
sys.path.append(parrots_path)

m = TextToSpeech(
    speaker_model_path="shibing624/parrots-gpt-sovits-speaker-maimai",
    speaker_name="MaiMai",
)
m.predict(
    text="你好，欢迎来北京。welcome to the city.",
    text_language="auto",
    output_path="output_audio.wav"
)

输出：

Save audio to output_audio.wav

命令行模式

Parrots 项目支持通过命令行执行 ASR 和 TTS 任务。使用如下命令行操作：

pip install parrots -U
# asr 示例
parrots asr -h
parrots asr examples/tushuguan.wav

# tts 示例
parrots tts -h
parrots tts "你好，欢迎来北京。welcome to the city." output_audio.wav

在命令行中，asr 是语音识别命令，tts 是语音合成命令。更多使用方式可以通过 parrots asr -h 查看。