facebookresearch/fairseq

Evaluating TTS using STT

开放

#5,629 创建于 2025年7月19日

在 GitHub 查看贡献者指南
 (0 条评论) (0 个反应) (0 位负责人)Python (6,224 个派生)batch import
enhancementhelp wantedneeds triage

仓库指标

星标
 (29,107 个星标)
PR 合并指标
 (PR 指标待抓取)

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"

贡献者指南

研究方向
该问题提出对TTS模型进行循环评估：使用模型将文本转换为语音，然后通过STT模型将语音转录回文本，并比较输出文本与输入文本。为实现此功能，贡献者应首先探索fairseq是否已有任何评估脚本或示例笔记本。他们还可以研究集成现成的STT模型，如wav2vec 2.0或Whisper。主要步骤包括：(1) 使用现有TTS模型从一组测试文本生成语音，(2) 将音频通过STT模型处理，(3) 计算WER或CER等指标。贡献者还应检查现有issue或PR中是否有类似工作。
技术栈
python
领域
aitesting
议题类型
测试
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
半天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
新近可参与
清晰度议题是否清楚说明期望改动、验收标准和下一步。
基本清晰
前置要求
无
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
60