persian tts

Synthesizer Teks-Untuk-Speach Persia

TTS Persia adalah mesin sintesis teks-ke-speach sederhana dan aplikasi reaktif yang awalnya saya kembangkan sebagai proyek kelulusan gelar sarjana saya.

Namun proyek ini dimaksudkan untuk mendapatkan perbaikan bertahap dari waktu ke waktu.

Isi

• Persyaratan
• Panduan Instalasi
• Meluncurkan aplikasi
• Struktur proyek
• Cara kerjanya
• Ucapan Terima Kasih
• Kontribusi

✅ Persyaratan

Aplikasi Persia-TTS didukung oleh React Native sehingga Anda akan membutuhkannya untuk menyusun aplikasi dengan benar. Untuk mengkompilasi versi Android, memiliki SDK Android yang tepat di mesin Anda adalah suatu keharusan dan jelas menyusun varient iOS membutuhkan Anda untuk memiliki salinan xcode yang berfungsi dan alat manajemen ketergantungan Cocoapods fungsional pada mesin bertenaga sistem operasi macOS.

Anda juga perlu memiliki alat manajemen ketergantungan untuk mengakses NPM dan mengunduh dependensi proyek. Benang digunakan dalam proyek ini tetapi NPM atau alat lain juga dapat digunakan.

? Panduan Instalasi

Pertama, Anda bisa mendapatkan kode sumber dengan mengkloningnya

git clone [email protected]:amfolio/persian-tts.git

instalasi dependensi iOS (opsional)

 cd ios
pod install

Kemudian pindah ke direktori paket dan instal dependensi menggunakan yarn install atau npm install

Meluncurkan aplikasi

Untuk meluncurkan aplikasi dalam emulator sistem operasi Android dan/atau iOS, Anda dapat menggunakan perintah berikut:

Android

react-native run-android

iOS

react-native run-ios

? Struktur proyek

Struktur proyek ini hanya identik dengan banyak struktur proyek reaknatif lainnya. Di bawah ini hanyalah gambaran besar dari struktur utama:

• __tests__: Tes Unit Bertenaga Jest
• Android: File Sumber Android Reactnative
• iOS: File sumber iOS yang reaksi
• SRC: Root Proyek Utama
  • Komponen: komponen bereaksi yang dapat digunakan kembali
    • ComponentName: Camelcase bernama folder membungkus file komponen
      • Index.js: Titik masuk komponen, mengekspor kontennya menggunakan modul ES6
      • Styles.js (Opsional): Sheet gaya reactnative komponen
  • Layar: Komponen Layar Aplikasi
  • Utils: Algoritma Synthesizer & Alat Pemrosesan Bahasa Lainnya
  • App.js: Entri Aplikasi Utama
  • Router.js: konfigurasi komponen reaksi-navigasi
  • voices.json: Aplikasi Voices Wide yang tersedia konfigurasi

? Cara kerjanya

Singkatnya proyek menggunakan apprach "concatnative sintesizing" untuk mencapai tujuannya. Dalam bahasa Persia, serangkaian kata yang tidak terbatas dapat dibangun dengan menyatukan pasangan "konsonan+vokal". Untuk keberanian di sini kita menyebut pasangan ini hanya "suku kata".

Untuk membuat sintesis berfungsi, proyek ini awalnya memiliki seperangkat 169 suara suku kata, dikodekan ulang dari suara saya sendiri (jadi ini bukan narasi profesional?). Nomor ini diselesaikan sebagai di bawah:

Jenis suara	Hitung file yang sesuai
vokal	6
konsonan diam	23
suku kata (konsonan+vokal)	138
ruang	2
Total	169

Proses sintesis kemudian dapat dilakukan dengan menggabungkan suku kata menggunakan pustaka FFMPEG dan itu adalah pembungkus FFFMPEG yang bereaksi-asli. Berikut adalah skema cepat tentang apa yang terjadi.

1️⃣ Langkah 1

Pada langkah pertama, fonetik yang sesuai untuk input Persia dibuat menggunakan fungsi utilitas TextTophonems.

 const input = "سلام" ; // means "Hello" in persian
const output = textToPhonems ( input ) ; // ["sa", "lā", "m"];

2️⃣ Langkah 2

Hasil dari langkah 1 melewati fungsi utilitas phonemstoffmpeg dan mendapatkan perintah contatnation ffmpeg yang valid:

 const ffmpeg = phonemsToFFMpeg ( output ) ;

Dan hasilnya adalah:

ffmpeg 
  -I sa.wav -I lā.wav -I m.wav 
  -filter_complex ‘[0:0][1:0][2:0]concat=n=3:v=0:a=1[out]’ 
  -map ‘[out]’ output.wav

3️⃣ Langkah 3

Aplikasi memanggil FFMPEG menggunakan react-native-FFFMPEG dan langkah-langkah berikut dilakukan di belakang layar:

Sebelum pengkhianatan
Sa.wav	lā.wav	M.wav
Setelah gabungan
output.wav

4️⃣ Langkah 4

File audio output diputar pada platform iOS dan Android berkat perpustakaan yang terdengar asli reaksi. Membaca Sumber Daya Bundel dan Mentransfernya ke Lokasi Sandbox/SD-Card juga dimungkinkan berkat React-Native-FS

? Ucapan Terima Kasih

Terima kasih khusus kepada Direktur Proyek saya, Dr. Mohammad Taheri yang memberi saya kepercayaan diri mendekati subjek ini dan membimbing saya melalui langkah -langkah terbaik untuk memungkinkannya. Tanpa dia, saya mungkin tidak akan pernah masuk ke penelitian akademis seperti itu.

Terima kasih banyak berikutnya kepada komunitas pengembang yang dengan murah hati berbagi teknologi canggih dengan orang lain. Hanya berkat komunitas ini yang menciptakan kembali roda tidak lagi diperlukan.

Berikut adalah daftar pendek perpustakaan yang membantu saya tanpa batas dalam jalur pengembangan saya:

• Bereaksi
• Bereaksi asli
• Navigasi Bereaksi
• Bereaksi FFMPEG asli
• Bereaksi FS Native
• Bereaksi modal asli
• Bereaksi suara asli

? Kontribusi

Repositori ini awalnya dibangun sebagai upaya minimum untuk solusi teks-ke-speech open-source bahasa Persia. Saya akan sangat berterima kasih atas kontribusi apa pun dari masalah yang melaporkan perbaikan bug dan perbaikan.

Kontribusi dengan menambahkan lebih banyak suara ke proyek ini juga sangat disambut dan Anda juga dapat menyebutkan nama Anda di voices.json.

Jangan ragu untuk mengirim permintaan tarik jika merasakan kebutuhan apa pun.