说明

PaddleSpeech 是基于飞桨 PaddlePaddle 的语音方向的开源套件，囊括语音识别、语音合成、语音唤醒、声纹识别等多种语音常用功能的支持。由于近期 Paddle 新版本的升级存在不兼容部分（如 paddle.fluid API 全面退场，PIR + predictor 升级， 0-d tensor，view 行为修改等），需要重新对 PaddleSpeech 中的模型进行适配开发与回归测试，保证套件正常运转。

本Issue说明关了PaddleSpeech的改动，现有教程、文档、模型的验证和支持等情况。

Docker改进

为了适配最新版本Paddlepaddle(版本3.0.0)，对Docker进行升版 #3871

Demos

本节记录了demos运行验证记录，标识中，N为无故障，E为存在问题，W为存在警告，U为未运行。

测试方法

1. 在Aistudio V100 32G 环境下，paddlepaddle-gpu版本为3.0，clone本仓库
2. 手动删除 setup.py 中对paddlepaddle-gpu的依赖
3. 通过 pip install . --user 安装PaddleSpeech
4. 运行Demos中相关命令

测试结论与记录

大部分Python API调用正常，部分问题如下：

1. 执行speech_ssl demo时，有错误 TypeError: Wav2vec2ASR.forward() missing 3 required positional arguments: 'wavs_lens_rate', 'target', and 'target_lens'
2. 执行style_fs2 demo时，存在0-D tensor的warning
3. 执行whisper demo时，如果输入文件采样率不是16000，会因Paddle侧算子不支持的数据类型报错。

Examples

待补充

Models

待补充