参考：
语音识别系列︱用python进行音频解析（一）
语音识别系列︱paddlehub的开源语音识别模型测试（二）
上一篇paddlehub是一些预训练模型，paddlespeech也有，所以本篇就是更新paddlespeech里面的模型。
参考：PaddleSpeech 一键预测，快速上手Speech开发任务
PaddleSpeech 是 all-in-one 的语音算法工具箱，包含多种领先国际水平的语音算法与预训练模型。你可以从中选择各种语音处理工具以及预训练模型，支持语音识别，语音合成，声音分类，声纹识别，标点恢复，语音翻译等多种功能，PaddleSpeech Server模块可帮助用户快速在服务器上部署语音服务。
相关依赖:
gcc >= 4.8.5
paddlepaddle >= 2.3.1
python >= 3.7
linux(推荐), mac, windows
文档链接：语音识别
第一个语音识别的示例：
以为安装了paddlespeech，就直接可以用了；
但是有一些案例会报错，所以，最好就是直接git github的，再调用：
参数：
- (必须输入)：用于识别的音频文件。
- ：ASR 任务的模型，默认值：。
- ：模型语言，默认值：。
- ：音频采样率，默认值：。
- ：ASR 任务的参数文件，若不设置则使用预训练模型中的默认配置，默认值：。
- ：模型参数文件，若不设置则下载预训练模型使用，默认值：。
- ；不需要设置额外的参数，一旦设置了该参数，说明你默认同意程序的所有请求，其中包括自动转换输入音频的采样率。默认值：。
- ：执行预测的设备，默认值：当前系统下 paddlepaddle 的默认 device。
- : 如果使用，显示 logger 信息。
预训练模型包括：
另外官方有一个demo，是使用预训练模型的jupyter : 使用 Transformer 进行语音识别tutorial_transformer.ipynb
感觉跟以上的不同，可能后续会试一下
可以看：punctuation_restoration/README_cn.md
案例2：
参数：
- (必须输入)：原始文本。
- ：子任务，默认值：。
- ：文本模型类型，默认值：。
- ：模型语言， 默认值：。
- ：文本任务的配置文件，若不设置则使用预训练模型中的默认配置，默认值：。
- ：模型参数文件， 若不设置则下载预训练模型使用，默认值：。
- ：标点恢复任务的标点词表文件，默认值：。
- ：执行预测的设备，默认值：当前系统下 paddlepaddle 的默认 device。
两个预训练模型，以下是 PaddleSpeech 提供的可以被命令行和 python API 使用的预训练模型列表：
是把语音识别 + 标点恢复同时使用。
参考：视频字幕生成
输出：
不是本文重点，但是这个分类有点意思，就记录一下
识别声音：cls_tutorial.ipynb
声音分类根据用途还可以继续细分：
- 副语言识别：说话人识别（Speaker Recognition）, 情绪识别（Speech Emotion Recognition），性别分类（Speaker gender classification）
- 音乐识别：音乐流派分类（Music Genre Classification）
- 场景识别：环境声音分类（Environmental Sound Classification）
- 声音事件检测：各个环境中的声学事件检测
- 动物声音（Animals）
- 自然界产生的声音和水声（Natural soundscapes & water sounds）
- 人类发出的非语言声音（Human, non-speech sounds）
- 室内声音（Interior/domestic sounds）
- 室外声音和一般噪声（Exterior/urban noises）。
笔者随便用同一个视频，不同的模型跑了一下：
paddlehub里面最好的是模型：
paddlespeech的模型,应该同时有好几个，但是不知道为什么调用起来输出都是一样的
而且会报错
笔者就没有细究了。
paddlehub的结果：
paddlespeech的结果：
从已知的预训练模型调用来看，paddlehub > paddlespeech，但是整体效果都不是特别理想。
可能：
- 语音识别模型，需要用paddlespeech重新训练会更好
- 标点恢复对比，需要设置一些 + 重训练会更好些