其实，对于语音识别这类和语音有关的几个常见的AI功能——没错，是AI应用，模型都给你训练好了的——往往一行代码（核心实现）就能实现，不过为了谨慎起见，还是不要那么说吧，毕竟一行终端命令是一个功能。这个很厉害的AI就是百度飞桨的Speech，其实就是PaddleSpeech啦。
这是PaddlePaddle里的项目。PaddleSpeech基于飞桨PaddlePaddle的语音方向的开源模型库，用于语音和音频中的各种关键任务的开发，包含大量基于深度学习前沿和有影响力的模型。也就是封装了语音识别语音翻译等多个我们常用的功能。之前在很多AI应用上一直用国外的开源项目，虽然一直听说PaddlePaddle但没在意，后来用了某个一试，果然啊，比较符合胃口（门槛低呗）。
如果我们想要做一个语音识别的小应用，或者就是想要体验一下，可以试试PaddleSpeech这个。机智客简单试了下，感觉效果还是很棒的。由于这是基于飞桨的PaddleSpeech，所以我们在配置环境的时候就要安装飞桨的库，保证环境里有PaddlePaddle或者创建新的虚拟环境，安装飞桨。再用pip安装paddlespeech就行。这里官方强烈建议在Linux下，而且是3.7以及以上版本的Python，由于自己用的是Ubuntu，之前默认的Python就完全符合，这一步不存在障碍。
等待安装成功，pip检查没有问题，就可以测试使用语音识别这些功能了。比如我们在本地文件夹里放一个测试的wav文件，然后用输入paddlespeechasr--langzh--input0.wav这样的命令开始识别。当然，这里没有加路径，说明是在当前目录里开的终端。然后执行命令。此时会加载数据，然后会自动下载模型，下载PaddleSpeech需要的whl文件也就是paddlespeech_ctcdecoders-0.1.0-cp38-cp38-manylinux_2_12_x86_64.manylinux_x86_64.whl。文件并不大，不过之后有很多代码输出，安静等着就行了。
等到结束了。正确的识别输出就出来了。当然这里是输出到终端里的，我们能直接看到。而paddlespeech命令还有很多参数和要求，我们可以在项目说明里查看文档，或者在终端用help查看相关说明。这只是一个小例子，Paddlespeech有很多内置的模型，也就是有很多相应的应用，方便我们直接调用。大家可以试一下。
