新一代 Kaldi: 支援 JavaScript 進行本地語音識別和語音合成啦！

簡介

新一代 Kaldi 部署框架 sherpa-onnx 支援的程式語言 API 大家庭中， 最近增加了一個新成員: JavaScript。

為了方便大家檢視，我們把目前所有支援的程式語言彙總成如下一張圖。

注： 這個家庭還在不斷的擴充，總有一款適合你！
後續我們會增加 Dart、Rust、WebAssembly 等支援。
如果你想貢獻其他的語言，歡迎參與。

增加了對 JavaScript 的支援，意味著我們可以在 JavaScript 中使用 sherpa-onnx 提供的各種功能，比如

• 語音識別 （支援流式和非流式)
• 支援 Zipformer
• 支援 Paraformer
• 支援 Whisper
• 語音合成
• 支援 VITS
• VAD
• 支援 Silero VAD

下圖總結了所有的功能。

本文介紹如何在 JavaScript 中使用這些功能。

注：我們目前支援的是 NodeJS。 還不支援在瀏覽器中執行 sherpa-onnx。 請關注後續我們對 WebAssembly 的支援。

安裝

我們已經把 sherpa-onnx 封裝成 npm 包。如下圖所示:

你只需要下面一條語句，就可以安裝 sherpa-onnx:

npm install sherpa-onnx

本文使用 naudiodon2 讀取麥克風。為了完成本文的測試， 你需要額外安裝如下依賴：

npm install naudiodon2

下面的影片記錄了完整的安裝過程:

01:55

注: 請使用 node v13.14.0 版本進行測試。
當下面這個 issue 解決後，你可以使用新版本的 node. node-ffi-napi/node-ffi-napi#97

(請看 https://mp.weixin.qq.com/s/aBENCGdnS7wBEKnbipcVjA)

使用

安裝完 sherpa-onnx 後，我們就可以開始使用它啦！

下面我們介紹如何使用 sherpa-onnx 的 JavaScript API 進行

• 語音端點檢測 (VAD)
• 語音識別
• 語音合成

本文用到的所有示例程式碼，都可以從下面的連結中找到。

https://github.com/k2-fsa/sherpa-onnx/tree/master/nodejs-examples

本文的所有演示，都在 nodejs-examples 目錄進行。

語音端點檢測 (VAD)

本例子演示如何使用 Silero VAD 在 JavaScript 中進行語音端點檢測。

我們使用如下檔案進行測試:

https://github.com/k2-fsa/sherpa-onnx/blob/master/nodejs-examples/test-vad-microphone.js

測試命令如下：

cd nodejs-examples
wget -q https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/silero_vad.onnx
node ./test-vad-microphone.js

演示影片如下。

02:23

語音合成 (TTS)

我們使用下述檔案進行測試

https://github.com/k2-fsa/sherpa-onnx/blob/master/nodejs-examples/test-offline-tts-zh.js

為了給大家演示語音合成的 JavaScript API 有多麼簡單，我們把所有的程式碼截圖如下：

測試命令為：

cd nodejs-examples
wget -q https://github.com/k2-fsa/sherpa-onnx/releases/download/tts-models/vits-zh-aishell3.tar.bz2
tar xvf vits-zh-aishell3.tar.bz2
node ./test-offline-tts-zh.js

演示影片如下：

01:06

語音識別

我們給大家展示兩個例子：

• 流式 VAD + 非流式 Whisper 英文語音識別
• 流式 Zipformer 中英文語音識別

更多的例子，請參考下面的文件

https://github.com/k2-fsa/sherpa-onnx/blob/master/nodejs-examples/README.md

流式 VAD + 非流式 Whisper 英文語音識別

我們使用 Whisper tiny.en 這個模型進行測試。測試檔案為

https://github.com/k2-fsa/sherpa-onnx/blob/master/nodejs-examples/test-vad-microphone-offline-whisper.js

測試命令為：

cd nodejs-examples
wget -q https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/silero_vad.onnx
wget -q https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-whisper-tiny.en.tar.bz2
tar xvf sherpa-onnx-whisper-tiny.en.tar.bz2
node ./test-vad-microphone-offline-whisper.js

演示影片如下：

03:35

流式 Zipformer 中英文語音識別

我們使用一箇中英文的流式 Zipformer 模型進行測試。

測試檔案為

https://github.com/k2-fsa/sherpa-onnx/blob/master/nodejs-examples/test-online-transducer-microphone.js

測試命令為:

cd nodejs-examples
wget -q https://github.com/k2-fsa/sherpa-onnx/releases/download/asr-models/sherpa-onnx-streaming-zipformer-bilingual-zh-en-2023-02-20.tar.bz2
tar xvf sherpa-onnx-streaming-zipformer-bilingual-zh-en-2023-02-20.tar.bz2
node ./test-online-transducer-microphone.js

演示影片如下：

01:44

總結

本文向大家介紹瞭如何使用 sherpa-onnx 的 JavaScript API 進行語音識別、語音合成和語音端點檢測 (VAD)。所有的計算 都在本地進行，不需要訪問網路。

如果你對新一代 Kaldi 感興趣或者有任何的問題，請透過下面的二維碼聯絡我們。