PaddleSpeech

PaddleSpeech copied to clipboard

声纹识别和所说的话内容应该不相关吧，但是测试却发现不是这样的

3

首先我录制了三段语音做为模版文件： zhao1.wav:说的是一句简短的中文； zhao2.wav:说的是0-9的数字； zhao3.wav：说的是另一句不同的中文； 然后我按照模版文件内容再生成三个录音： file1.wav和zhao1.wav,file2.wav和zhao2.wav,file3.wav和zhao3.wav的内容分别相同。 然后两两做score，得出的结果是： zhao1.wav(file1.wav):0.7422892451286316;zhao1.wav(filé.wav):0.6398638486862183;zhao1(file3.wav):0.6861986517906189 zhao2.wav(file1.wav):0.43911170959472656;zhao2.wav(filé.wav):0.7633090019226074;zhao2(file3.wav):0.4422371983528137 zhao3.wav(file1.wav):0.6625332236289978;zhao3.wav(filé.wav):0.6106154322624207;zhao3(file3.wav):0.7869642972946167 可以看到zhao1.wav(file1.wav)，zhao2.wav(filé.wav)，zhao3(file3.wav)得分最高。 这如何解释呢？

zhaoyiyong

声纹识别的准确率问题，我们应用过程中只有71%，这是正常水平吗？

4

说明： 1、我们分别采样了7个人的声音，每个人采样三段声音。将这些声音做为基础声音模版库； 2、第一句:说的是一句简短的中文；第二句:说的是0-9的数字；第三句：说的是另一句不同的中文； 3、然后将这21个声音分别从中找到最相似的声纹； 4、实际验证结果是非常不理想，请帮忙指出我们流程哪里出错了，以及如何进行改进。我们是真的希望能够将其应用到实际业务场景中。 5、总共21次比对，准确找到的：15；找错人的：6；准确率只有71%。 明细结果：每个语音声纹最相似的语音，以及score。（score 的计算方法：paddlespeech vector --task score --input ' ') zhao1.wav ---------------- 1 zhao3.wav 0.7540673613548279 zhao2.wav ---------------- 1 zhao1.wav 0.657843291759491 zhao3.wav ---------------- 1 zhao1.wav 0.7540673613548279 liu1.wav...

zhaoyiyong

streaming asr GPU利用率不到4%

1

本地用流式识别方式跑个长时间的音频文件，GPU利用率一直很低，怎么可以提升利用率啊？

JaheimLee

声纹识别安全性问题，能别录音欺骗

4

1、我生成了三个录音：tellong.wav作为原始录制的模版声音；teloriginal.wav是测试由真人说话生成的录音；recording.wav是播放真人录音形成的录音（模拟使用录音冒充他人声音）； 2、我使用命令“paddlespeech vector --task score --input 'recording.wav tellong.wav'”，计算冒充人和模版声音的相似度，得到：0.5637418627738953； 3、我使用命令“paddlespeech vector --task score --input 'teloriginal.wav tellong.wav'“，计算真人说话和模版声音的相似度，得到： 0.5126219987869263 4、使用录音的相似度反而更高。这样对于系统就无法识别伪装者了。 请教这个过程有什么问题吗？

zhaoyiyong

试图加载deepspeech2online_wenetspeech的onnx文件，但是报错

1

试图加载deepspeech2online_wenetspeech的onnx文件，代码如下 ``` # 动态图导出的ONNX模型测试 import time import numpy as np from onnxruntime import InferenceSession audio = np.random.randn(1, 498, 161).astype('float32') audio_len = np.random.randn(1).astype("int64") text = np.random.randn(1, 1, 1).astype('float32') text_len = np.random.randn(1,...

zhijianli

## General Question 如果支持的话，同时可以支持多少个并发

xiaolei543

请帮忙分析下报错：IndexError: (OutOfRange) The starting index 0 of slice is out of bounds in tensor 0-th axis, it shound be in the range of [0, 0). (at ..\paddle/fluid/pybind/slice_utils.h:214)

8

## General Question E:\Anaconda\installation\envs\Audio\lib\site-packages\_distutils_hack\__init__.py:33: UserWarning: Setuptools is replacing distutils. warnings.warn("Setuptools is replacing distutils.") [2024-01-18 13:51:22,092] [ INFO] - Already cached C:\Users\47053\.paddlenlp\models\bert-base-chinese\bert-base-chinese-vocab.txt [2024-01-18 13:51:22,105] [ INFO] - tokenizer config file saved...

quantbruce

在win10上启动demos中的speech_web进行实时语音识别 如何提高实时语音转写速度

2

页面图片  测试环境 win10 使用cpu 依赖版本  python版本 3.8.18 需求: 在不使用gpu的情况下 如何调整可以能让实时语音转写速度加快 因为现在的语音转写 还是有些延迟的 思路应该往哪个方面考虑 如果在 使用gpu的情况下 又该往哪个方面考虑取调整优化 期待回复 谢谢!!!

777sfdf

有可适配cpu不支持avx的版本吗

1

xhshdjdk

能否新增粤语的语音识别功能？应该如何训练粤语的语音识别模型？

1

如题。 背景：我想寻找一个能离线运行的粤语的语音识别（Speech2Text）解决方案，不需要Text2Speech功能。 请问之后会更新粤语的语音识别的功能吗？ 另外，如果我想使用自己的语音数据，训练一个自己的粤语的语音识别模型，应该如何做呢？ 可以直接使用PaddleSpeech的框架进行训练吗？

zhangqiqi1228