PaddleSpeech CLI Batch Process

PaddleSpeech CLI Batch Process

需求

• 用户反馈 CLI 调用慢。如 #1423
• 用户询问如果做批处理。如 #1438、#1252

收益

• 从客户需求出发，支持批处理操作。
• 相对原始单条处理设计去除重复加载模型时间，所以速度更快，改善用户体验。
• 符合产品意识和客户意识。

方案

1. 输入时通过参数 --input 指定 job 文件，加载模型后循环调用 Executor 获取识别结果.
   --input 也支持 stdin, str 单条输入。
2. 技术执行后将结果输出到stdout上。
3. 当指定 --job-dump-result 时，同时保存结果到 job.done 文件中。默认False。

job 输入格式

job 文件输入、输出统一是用 key value的 map 格式。

出错是默认采用格式一，如下：

key <space>

当指定 --job-dump-err时采用格式二，如下：

key <error info>

ASR

输入:

001 /path/to/001.wav
002 /path/to/002.wav

输出:

001 我叫张辉
002 一个很酷的人

Punc

输入:

001  我叫张辉
002  一个很酷的人

输出:

001 我叫张辉。
002 一个很酷的人。

ST

输入:

001 /path/to/001.wav
002 /path/to/002.wav

输出:

001 我叫张辉
002 一个很酷的人

TTS

输入:

001 我叫张辉
002 一个很酷的人

输出:

我叫张辉 /path/to/save/001.wav
一个很酷的人 /path/to/save/002.wav

CLS

输入:

001  /path/to/001.wav
002  /path/to/002.wav

输出:

001 Apple
002 Dog

Verbose 输出:

001 Apple 0.91
002 Dog 0.83

示例

准备输入文件*.job:

cat tts.job

1 百度一下你就知道
2 今天的天气真不错啊

执行命令:

paddlespeech tts --input tts.job -d

输出:

1 /PATH_TO_OUTPUT/output_1.wav                                                                                                               
2 /PATH_TO_OUTPUT/output_2.wav

指定-d参数运行时，结果会保存在*.job.done中。