本文列举并分析了多个开源语音工具包，包括Kaldi、k2、Espnet、Wenet、PaddleSpeech和SpeechBrain等。这些工具包覆盖了语音识别、合成、翻译、增强等多个领域。在活跃度和社区支持方面，DeepSpeech和Kaldi表现出色，而SpeechBrain发展迅速，PaddleSpeech则在推广中取得显著成果。Wenet专注于工业级语音识别解决方案，受到广泛关注。
语音合成领域统计列表请访问http://yqli.tech/page/tts_paper.html，语音识别领域论文统计请访问http://yqli.tech/page/asr_paper.html。开源语音数据查询 http://yqli.tech/page/data.html。如何查找语音资料请参考文章https://mp.weixin.qq.com/s/eJcpsfs3OuhrccJ7_BvKOg）。读者有什么建议可以直接给我发消息，我将不断修改该统计。如有转载，请注明出处。欢迎关注微信公众号：低调奋进。
现在开源的语音工具包越来越多，有偏向学术，有偏向产业落地。大浪淘沙，哪个语音工具包在未来可以维持长青？
-
Kaldi （语音识别领域的老大哥，shell脚本和c++语言为主）
https://github.com/kaldi-asr/kaldi
-
k2 （新一代Kaldi的核心部分叫k2，k2让开发者在pytorch、tensorflow等框架快速实现各种语音识别算法）
https://github.com/k2-fsa/k2
-
Espnet （一个端到端的语音处理工具包，涵盖了端到端的语音识别、语音合成、语音翻译、语音增强、声纹识别、口语理解
最低0.47元/天 解锁文章
扫一扫
424
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
