voice dataset creation
1.0.0
Dieses Repo beschreibt die Schritte und Skripte, die erforderlich sind, um Ihr eigenes Text-zu-Sprach-Datensatz für das Training eines Sprachmodells zu erstellen. Die endgültige Ausgabe erfolgt im LJspeech -Format.
Erstellen Sie Ihre eigenen Sprachaufnahmen100|this is an example sentenceFühren Sie Skripte/WavDurations2csv.sh aus, um die Satzlänge auszusagen und zu überprüfen, ob Sie eine gute Verteilung der WAV -Dateilängen haben.
Erstellen Sie einen synthetischen SprachdatensatzCloud API access scopes Wählen Sie Allow full access to all Cloud APIsErstellen Sie die Conda -Umgebung in der GCP -Instanz
conda create -n tts python=3.7
conda activate tts
pip install google-cloud-texttospeech==2.1.0 tqdm pandas100|this is an example sentencepython text_to_wav.py tts_generateFühren Sie Skripte/WavDurations2csv.sh aus, um die Satzlänge auszusagen und zu überprüfen, ob Sie eine gute Verteilung der WAV -Dateilängen haben.
Erstellen Sie Transkriptionen für vorhandene SprachaufzeichnungenCloud API access scopes Wählen Sie Allow full access to all Cloud APIsErstellen Sie die Conda -Umgebung in der GCP -Instanz
conda create -n stt python=3.7
conda activate stt
pip install google-cloud-speech tqdm pandasÖffnen Sie in Adobe Audition die Audiodatei:
Diagnostics -> Mark AudioMark the Speech ausScanFind LevelsScanMark AllOder in Audacity die Audiodatei öffnen:
Analyze -> Sound FinderIm Vorsprechen :
Markers öffnenIm Vorsprechen :
Im Vorsprechen :
Export Selected Markers to CSV und speichern Sie als Marker.CSVPreferences aus -> Media & Disk Cache und Untick Save Peak FilesExport Audio of Selected Range Markers :Use marker names in filenamesWAV PCM22050 Hz Mono, 16-bitwavs_exportOder in Kühnheit :
Export multiple...wavs_exportExport labels zum Label Track.txt aus Für das Audition unter Verwendung der exportierten Markers.csv und WAVS -Ordnerlauf:
cd scripts
python wav_to_text.py audition Das Skript generiert eine neue Datei, Markers_STT.csv .
Für die Audacity verwenden Sie den exportierten Label Track.txt und WAVs -Ordner.
cd scripts
python wav_to_text.py audacity Das Skript generiert eine neue Datei, Label Track STT.csv .
Für das Vorsprechen :
Import Markers from File und Datei mit STT -Transkriptionen auswählen: markers_stt.csvFür Kühnheit :
Label Track STT.txt in einem Texteditor.Für das Vorsprechen :
Export Selected Markers to CSV und speichern Sie als Marker.CSVExport Audio of Selected Range Markers :Use marker names in filenamesWAV PCM22050 Hz Mono, 16-bitwavs_exportFür Kühnheit :
Export multiple...wavs_export Verwenden der exportierten Markers.csv (Audition) oder Label Track STT.txt (Audacity) und WAVs in WAVS_Export werden Skripte/MarkersFile_to_Metadata.py ein metadata.csv und einen Ordner von WAVs erstellt, um Ihr TTS -Modell zu trainieren:
Für das Vorsprechen :
python markersfile_to_metadata.py auditionFür Kühnheit :
python markersfile_to_metadata.py audacityFühren Sie Skripte/WavDurations2csv.sh aus, um die Satzlänge auszusagen und zu überprüfen, ob Sie eine gute Verteilung der WAV -Dateilängen haben.
ffmpeg:
radeln:
Wir haben drei Methoden getestet, um WAV -Dateien von 16.000 bis 22.050 Hz zu verbessern. Nach der Überprüfung der Spektrogramme haben wir FFMPEG zum Up -Sampling ausgewählt, da es im Vergleich zu Resamente weitere 2 kHz High -End -Informationen enthält. Skripte/resamplewav.sh
scripts/resamplewav.sh
