开源语音工具包+1 纯PyTorch的SpeechBrain

距离 Mirco Ravanelli 宣布打造新的语音工具包过去了一年多，SpeechBrain 真的如期而至。SpeechBrain 诞生的主要宗旨是：够简单、够灵活、对用户友好。

秉承着让语音开发者更轻松的原则，Yoshua Bengio 团队成员 Mirco Ravanelli 等人曾经开发了一个试图继承 Kaldi 的效率和 PyTorch 的灵活性的开源框架——PyTorch-Kaldi,但据开发成员本人认为「还不够完善」。所以，一款新的一体化语音工具包 SpeechBrain应运而生。

作为一个基于 PyTorch 的开源一体化语音工具包，SpeechBrain 可用于开发最新的语音技术，包括语音识别、说话者识别、语音增强、多麦克风信号处理和语音识别系统等，且拥有相当出色的性能。团队将其特征概况为「易于使用」、「易于定制」、「灵活」、「模块化」等。

总体来说，SpeechBrain 有以下几大亮点：

• 开发团队与 HuggingFace 集成一些预训练模型，这些模型具备可运行推理的接口。如果 HuggingFace 模型不可用，团队会提供一个 Google Drive 文件夹，包含所有对应的实验结果；
• 使用 PyTorch 数据并行或分布式数据并行来进行多 GPU 训练和推理；
• 混合精度，加快训练速度；
• 透明且完全可自定义的数据输入和输出 pipeline。SpeechBrain 遵循 PyTorch 数据加载器和数据集样式，使用户能够自定义 I / O pipeline。

另外，SpeechBrain 未附属于任何机构，团队成员来自 Mila 研究所、Nuance、杜比实验室、英伟达、三星、Viadialog 等实验室和企业单位。最初的两位负责人是 Mila 研究所博士后 Mirco Ravanelli 和 Avignon 博士生 Titouan Parcollet。目前，Speechbrain 项目还在完善中，也欢迎更多开发人员加入。

文章部分素材来源：机器之心