(简体中文|English)

PP-VPR

目录

• 1. 简介
• 2. 特点
• 3. 使用教程
  • 3.1 预训练模型
  • 3.2 模型训练
  • 3.3 模型推理
  • 3.4 服务部署
• 4. 快速开始

1. 简介

PP-VPR 是一个 提供声纹特征提取，检索功能的工具。提供了多种准工业化的方案，轻松搞定复杂场景中的难题，支持使用命令行的方式进行模型的推理。 PP-VPR 也支持界面化的操作，容器化的部署。

2. 特点

VPR 的基本流程如下图所示：

PP-VPR 的主要特点如下：

• 提供在英文开源数据集 VoxCeleb（英文）上的预训练模型，ecapa-tdnn。
• 支持模型训练评估功能。
• 支持命令行方式的模型推理，可使用 paddlespeech vector --task spk --input xxx.wav 方式调用预训练模型进行推理。
• 支持 VPR 的服务容器化部署，界面化操作。

3. 使用教程

3.1 预训练模型

支持的预训练模型列表：released_model。 更多关于模型设计的部分，可以参考 AIStudio 教程：

• ecapa-tdnn

3.2 模型训练

模型的训练的参考脚本存放在 examples 中，并按照 examples/数据集/模型 存放，数据集主要支持 VoxCeleb，模型支持 ecapa-tdnn 模型。 具体的执行脚本的步骤记录在 run.sh 当中。具体可参考： sv0

3.3 模型推理

PP-VPR 支持在使用pip install paddlespeech后 使用命令行的方式来使用预训练模型进行推理。

具体支持的功能包括：

• 对单条音频进行预测
• 对两条音频进行打分
• 支持 RTF 的计算

具体的使用方式可以参考： speaker_verification

3.4 服务部署

PP-VPR 支持 Docker 容器化服务部署。通过 Milvus, MySQL 进行高性能建库检索。

server 的 demo： audio_searching

关于服务部署方面的更多资料，可以参考 AIStudio 教程：

• speaker_recognition

4. 快速开始

关于如何使用 PP-VPR，可以看这里的 install，其中提供了 简单、中等、困难 三种安装方式。如果想体验 paddlespeech 的推理功能，可以用 简单 安装方式。