Kaldi拜拜！PyTorch语音工具包SpeechBrain要来了，支持多种语音任务，实现最强水准

郭一璞 假装发自 蒙特利尔 量子位 报道 | 公众号 QbitAI

你厌倦语音工具包Kaldi了么？有没有觉得它不好用？

加拿大也有一群人这么认为。

现在，图灵奖得主、AI三巨头之一Yoshua Bengio领衔的研究机构Mila宣布，要联合英伟达、杜比、三星、PyTorch官方、IBM AI研究院等公司和机构，做一个新的开源一体化语音工具包：SpeechBrain。

这个工具包将会非常全能，能用来做语音识别（end-to-end & HMM-DNN）、说话人识别、语音分离，多麦克风信号处理（beamforming）、自我监督和无监督学习、语音增强等任务。

SpeechBrain会建立在PyTorch上，并且和PyTorch官方合作，所有功能都在PyTorch中实现，当然，用的是Python，不是C++。

并且，SpeechBrain将会设计成一个独立的框架，会有Kaldi这类常用的工具包的接口。

其他工具包不完美

准备做这样一个工具包的初衷，是因为别家的语音工具包都不好用。

蒙特利尔大学博士后Mirco Ravanelli在SpeechBrain的官方视频里，把竞对统统吐槽了一遍：

Kaldi，虽然非常高效，表现也好，但是忒难用，不灵活，总得改C++代码；

PyKaldi，虽然用上了机器学习界宠儿Python，但本质上跟Kaldi还是一回事嘛；

PyTorch-Kaldi，虽然灵活了一些，声学模型也易于修改，但是，跟前面一样，它也还是Kaldi呀；

ESPNET，虽然是基于Python和PyTorch的，但是只支持端到端语音识别，太不全面了；

因此，Mirco Ravanelli说，将会把SpeechBrain设计成一个易用、用户友好、端到端的工具包，支持多任务系统，帮助大家提升研究和开发的效率，会是单一的工具包，而不是一堆各种各样的工具，并且实现state-of-the-art的语音技术水平。

另外，他们还会建设SpeechBrain的用户社区，让大家一起来分享模型技术和经验。

业界热烈欢迎

有人觉得，Kaldi那么难用，总算有人要出新的取代它了：

甚至Kaldi的铁杆粉丝也觉得需要更灵活的工具来代替它：

还有人称赞，这就是语音界的ImageNet时刻：

总之，如果SpeechBrain真的如预期一样诞生，那么Kaldi可能真的要吃灰了。

传送门

最后，SpeechBrain项目也在招实习生，如果有蒙特利尔的读者可以围观一下。

另外，如果你要去参加下周的interspeech，可以听到更多消息。

项目官网： https://speechbrain.github.io/