编程智能体与代码 · 工具介绍
PaddleSpeech
基于飞桨的语音与音频处理工具包，可通过命令行或 Python 完成语音识别等任务，并接入相应预训练模型。
PaddleSpeech 能做什么
基于飞桨的语音与音频处理工具包，可通过命令行或 Python 完成语音识别等任务，并接入相应预训练模型。
- 音频视频转写与语音识别
如何使用 PaddleSpeech
将音频文件转为文字
准备输入
- 待识别音频、语言设置与飞桨运行环境
操作步骤
- 按设备安装兼容的 PaddlePaddle 和 PaddleSpeech，准备受支持的音频。
- 调用 asr 命令并指定语言和输入，或使用 ASRExecutor 传入音频路径，查看文字结果并对照录音校对。
预期交付物
- 音频对应的识别文本
官方快速示例说明使用 16 kHz WAV 音频，依赖版本需按设备选择；识别结果不能直接替代人工确认。
开始前需要了解
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
从编程智能体与代码角度评估PaddleSpeech
把编程智能体与代码需要的条件列清楚，再比较工具。阅读本页的产品用途、步骤与限制，再逐项确认下面的问题；这些是选型方法，不表示每款工具都具备同样能力。
能否读懂上下文
确认工具能够读取所需目录，且不会引入不必要的资料。
改动是否可审查
优先能展示差异、保留原文件和逐步验证的工作方式。
测试能否说明问题
测试应覆盖用户可见行为，不只证明代码能运行。
选择一个小样任务，先检查结果与交付格式，再决定是否用于更多资料。
