lowerquality/gentle

Gentle

基于Kaldi的鲁棒且宽松的强制对齐工具，用于将语音与文本进行对齐。

镜像概述

Gentle是一款基于Kaldi框架开发的语音文本对齐工具，旨在提供鲁棒且灵活的对齐能力，帮助用户将音频文件中的语音内容与对应的文本转录进行精准匹配。它支持多种使用方式，适用于不同平台和场景。

核心功能

• 多平台支持：提供Mac应用、Docker镜像及源码安装方式，覆盖Mac、Linux及Docker支持的所有平台。
• 多种使用方式：支持图形界面（GUI）、REST API接口和命令行工具，满足不同用户需求。
• 精准对齐：基于Kaldi的强大语音处理能力，实现高效准确的语音文本对齐。

使用场景

• 语音转文字后的对齐验证与修正。
• 语音数据分析中的文本语音匹配需求。
• 语音应用开发中的语音文本同步功能集成。

配置说明

安装方式

1. Mac应用：下载https://github.com/lowerquality/gentle/releases/latest%EF%BC%8C%E5%8C%85%E5%90%ABGUI%E7%95%8C%E9%9D%A2%EF%BC%8C%E4%BB%85%E6%94%AF%E6%8C%81Mac OS。
2. Docker镜像：运行以下命令启动镜像：

   bash
   docker run -P lowerquality/gentle
   

3. 源码安装：下载源码后执行./install.sh，然后通过python3 serve.py启动服务，支持Mac和Linux。

使用方法

• 图形界面：默认服务地址为http://localhost:8765，提供音频转录、结果查看和数据下载功能。
• REST API：通过API集成到程序中，示例：

  bash
  curl -F "audio=@audio.mp3" -F "transcript=@words.txt" "http://localhost:8765/transcriptions?async=false"
  

• 命令行工具：源码安装后使用：

  bash
  python3 align.py audio.mp3 words.txt
  

  可通过python3 align.py --help查看更多选项。