純PyTorch語音工具包開源，Kaldi：我壓力有點大
距離 Mirco Ravanelli 宣布打造新的語音工具包過去了一年多，SpeechBrain 真的如期而至。
語音處理技術的進步，是人工智能改變大眾的生活的重要一環。深度學習技術的興起，也讓這一領域近年來得到了長足的發展。在過往，該領域的主要方法是為不同的任務開發不同的工具包，對于使用者來說，學習各個工具包需要大量時間，還可能涉及到學習不同的編程語言，熟悉不同的代碼風格和標準等。現在，這些任務大多可以用深度學習技術來實現。
此前，開發者常用的語音工具有 Kaldi、ESPNet、CMU Sphinx、HTK 等，它們各有各的不足之處。以 Kaldi 為例，它依賴大量的腳本語言，而且核心算法使用 C++ 編寫，再加上可能需要改變各種神經網絡的結構。即便是擁有豐富經驗的工程師，在調試的時候也會經歷巨大的痛苦。
秉承著讓語音開發者更輕松的原則，Yoshua Bengio 團隊成員 Mirco Ravanelli 等人曾經開發了一個試圖繼承 Kaldi 的效率和 PyTorch 的靈活性的開源框架——PyTorch-Kaldi，但據開發成員本人認為「還不夠完善」。
所以，在一年多前， Mirco Ravanelli 宣布要打造一款新的一體化語音工具包 SpeechBrain。該項目于近日正式開源，鑒于上述背景，SpeechBrain 誕生的主要宗旨是：夠簡單、夠靈活、對用戶友好。
項目地址：https://github.com/speechbrain/speechbrain
作為一個基于 PyTorch 的開源一體化語音工具包，SpeechBrain 可用于開發最新的語音技術，包括語音識別、說話者識別、語音增強、多麥克風信號處理和語音識別系統等，且擁有相當出色的性能。團隊將其特征概況為「易于使用」、「易于定制」、「靈活」、「模塊化」等。
對于機器學習研究者來說，SpeechBrain 可輕松嵌入其他模型，促進語音技術的相關研究；對于初學者來說，SpeechBrain 也不難掌握，根據測試，一般開發者僅需要幾個小時就能熟悉該工具包的使用。此外，開發團隊也發布了很多教程以供參考（https://speechbrain.github.io/tutorial_basics.html）。
總體來說，SpeechBrain 有以下幾大亮點：
- 開發團隊與 HuggingFace 集成一些預訓練模型，這些模型具備可運行推理的接口。如果 HuggingFace 模型不可用，團隊會提供一個 Google Drive 文件夾，包含所有對應的實驗結果；
- 使用 PyTorch 數據并行或分布式數據并行來進行多 GPU 訓練和推理；
- 混合精度，加快訓練速度；
- 透明且完全可自定義的數據輸入和輸出 pipeline。SpeechBrain 遵循 PyTorch 數據加載器和數據集樣式，使用戶能夠自定義 I / O pipeline。
快速安裝
目前開發者可以通過 PyPI 安裝 SpeechBrain，此外還可以使用本地安裝來運行實驗和修改 / 自定義工具包。
SpeechBrain 支持基于 Linux 的發行版和 macOS（且針對 Windows 用戶也提供了相應解決方案：https://github.com/speechbrain/speechbrain/issues/512）。
SpeechBrain 支持 CPU 和 GPU，但對于大多數 recipe 而言，訓練期間必須使用 GPU。需要注意的是，必須正確安裝 CUDA 才能使用 GPU。
安裝教程地址：https://speechbrain.readthedocs.io/en/latest/installation.html
通過 PyPI 安裝
創建 Python 環境后，只需輸入以下內容即可：
- pip install speechbrain
然后可以使用以下命令訪問 SpeechBrain：
- import speech brain as sb
本地安裝
創建 Python 環境后，只需輸入以下內容即可：
- git clone https://github.com/speechbrain/speechbrain.gitcd speechbrainpip install -r requirements.txtpip install --editable .
然后可以通過以下方式訪問 SpeechBrain：
- import speechbrain as sb
對 speechbrain 軟件包所做的任何修改，將在安裝帶有 --editable 標志的軟件包時自動解釋。
SpeechBrain 未附屬于任何機構，團隊成員來自 Mila 研究所、Nuance、杜比實驗室、英偉達、三星、Viadialog 等實驗室和企業單位。最初的兩位負責人是 Mila 研究所博士后 Mirco Ravanelli 和 Avignon 博士生 Titouan Parcollet。目前，Speechbrain 項目還在完善中，也歡迎更多開發人員加入。
看到這里，Kaldi 會不會感到壓力有點大了呢？
