facebookresearch/fairseq

Evaluating TTS using STT

開放

#5,629 建立於 2025年7月19日

在 GitHub 查看貢獻者指南
 (0 則留言) (0 個反應) (0 位負責人)Python (6,224 個分叉)batch import
enhancementhelp wantedneeds triage

倉庫指標

星標
 (29,107 顆星)
PR 合併指標
 (PR 指標待抓取)

描述

I tried to get a text back from the speech I generated using this model, but the text was a bit of. So maybe having some type of test could help while improving the model.

Basically, "some text" -> speech output -> speech input -> text output -> check if text output is "some text"

貢獻者指南

研究方向
該問題提出對TTS模型進行循環評估：使用模型將文字轉換為語音，然後透過STT模型將語音轉錄回文字，並比較輸出文字與輸入文字。為實現此功能，貢獻者應先探索fairseq是否已有任何評估腳本或範例筆記本。他們還可以研究整合現成的STT模型，如wav2vec 2.0或Whisper。主要步驟包括：(1) 使用現有TTS模型從一組測試文字生成語音，(2) 將音訊透過STT模型處理，(3) 計算WER或CER等指標。貢獻者還應檢查現有issue或PR中是否有類似工作。
技術棧
python
領域
aitesting
議題類型
測試
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
2
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
半天
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
新近可參與
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
大致清晰
前置要求
無
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
60