TTS dataset tools

TTS-DATASET-TOOLS

Transkripsi audio melalui Google Speech ke API Teks dengan pemisahan speaker (Diarization). Secara otomatis menghasilkan dataset TTS menggunakan audio dan teks terkait. Menggunakan Google API untuk menyalin pemotongan yang telah dibagi dengan istirahat keheningan maksimum (disarankan). Atau gunakan Aeneas untuk memaksa AUDIO ke audio. Mengoreksi dan mengedit pemotongan dengan cepat.

Untuk Google Speech ke API Teks Anda akan memerlukan akun Google Cloud Platform. Anda $ google_application_credentials Env variable harus menunjukkan jalur file kredensial JSON Anda. Google menawarkan layanan senilai $ 300 dan 3 bulan gratis di akun baru.

Jalankan tools.py untuk alat GUI.

Keterbatasan saat ini adalah bahwa Anda perlu menyesuaikan lebar kolom dari bagian proofreading dan ketika menavigasi entri Anda harus mengambil fokus dari kotak teks input saat ini dan berikutnya atau kotak teks tidak akan diperbarui. Versi berikutnya dari Dearpy GUI akan menyelesaikan masalah ini.

Menggunakan VPN akan mengganggu ucapan Google yang panjang ke permintaan API teks.

Menggunakan versi yang lebih lama dari Dearpygui di momen, saya akan bermigrasi pada akhirnya.

Pengaturan Windows

Pip Instal Numpy -Pengguna

Pip Instal PyDub -Pengguna

Pip Instal Dearpygui == 0.6.415 -Pengguna

Pip Instal Google-Cloud-Speech-Pengguna

Pip Instal Google-Cloud-Storage-Pengguna

Pip Instal SimpleAudio -Pengguna

*Jika Anda tidak dapat membangun SimpleAudio, pastikan Anda telah menginstal GCC: Sudo apt-get update, sudo apt-get install build-eSSentials

Pip Instal Sox -Pengguna

Pengaturan Linux

Linux Environment direkomendasikan untuk opsi Aeneas, di Windows Aeneas tidak akan dapat membuat pemotongan lebih lama karena masalah memori.

wget https://raw.githubusercontent.com/readbeyond/aeneas/master/install_dependencies.sh

bash install_dependencies.sh

Pip Instal Numpy -Pengguna

Pip Instal Aeneas -Pengguna

Instalasi Uji: Python -M Aeneas.Diagnostics

Pip Instal PyDub -Pengguna

Pip Instal Dearpygui == 0.6.415 -Pengguna

Pip Instal Google-Cloud-Speech-Pengguna

Pip Instal Google-Cloud-Storage-Pengguna

Pip Instal SimpleAudio -Pengguna

Pip Instal Sox -Pengguna

Jika Anda mendapatkan kesalahan libpython:

sudo apt instal libasound2-dev

Edit file Bashrc Anda dengan mengetik: sudo nano ~/.bashrc

Kemudian tambahkan garis di akhir dengan info Anda tergantung di mana paket Anda diinstal:

Ekspor ld_library_path = "/[yourhomePath]/anaconda3/envs/[yourenv]/lib/"

ATAU

Ekspor ld_library_path = "/[yourhomePath]/. conda/envs/[yourenv]/lib/"

Atau jika lingkungan dasar

Ekspor ld_library_path = "/[yourhomePath]/anaconda3/lib/"

Tekan Ctrl+O untuk mengekspor file yang diperbarui. Kemudian Ctrl+X untuk keluar.

Ketik Sumber ~/.bashrc untuk mengaktifkan jalur baru.

Penggunaan

Tutorial Video: https://www.youtube.com/watch?v=te7pui2xeje

Rekomendasi

Beberapa hal akan meningkatkan kualitas pemotongan Anda, meskipun Anda harus selalu mengoreksi mereka sebelum pelatihan. Untuk bahasa selain bahasa Inggris, Anda dapat dengan mudah mengedit baris perintah Aeneas dan penggantian karakter sesuai kebutuhan Anda, dan mengganti kode bahasa Google En-US dengan kode bahasa Anda (https://cloud.google.com/speech-to-text/docs/languages). Periksa apakah hal -hal seperti judul bab disertakan. Pembicara dengan ucapan yang lambat dan bahkan berjalan akan membuat potongan terbersih, sementara penutur cepat cenderung menjalankan kata -kata bersama dan dapat menyebabkan beberapa kata, potongan kata, dialihkan ke potongan berikutnya di mana ia harus diedit. Hapus semua musik jika mampu.