jsut lab

Jsut-Lab

Репозиторий предоставляет файлы выравнивания в стиле HTK/HTS с дополнительными полными ярлыками для JSUT (японский речевой корпус Саруватари-лаб., Университет Токио) Corpus (v1.1). Все файлы выравнивания (.lab) были извлечены путем принудительного выравнивания с использованием Julius, а полный контекст генерируется OpenJtalk.

Ожидается, что файлы метки будут использоваться для речи; Например, преобразование текста в речь и голоса.

Структура каталогов точно такая же, как и JSUT. Вы можете поместить файлы метки в каталог данных JSUT, если хотите:

 tree ~/data/jsut_ver1.1/ -d -L 2
/home/ryuichi/data/jsut_ver1.1/
├── basic5000
│   ├── lab
│   └── wav
├── countersuffix26
│   ├── lab
│   └── wav
├── loanword128
│   ├── lab
│   └── wav
├── onomatopee300
│   ├── lab
│   └── wav
├── precedent130
│   ├── lab
│   └── wav
├── repeat500
│   ├── lab
│   └── wav
├── travel1000
│   ├── lab
│   └── wav
├── utparaphrase512
│   ├── lab
│   └── wav
└── voiceactress100
    ├── lab
    └── wav

Формат метки

Поля: <begin_time> <end_time> <full-context-label> . Время находится в 100 Н.С., так же, как метки HTK.

 $ cat basic5000/lab/BASIC5000_0773.lab | head
 
0 2525000 xx^xx-sil+s=a/A:xx+xx+xx/B:xx-xx_xx/C:xx_xx+xx/D:18+xx_xx/E:xx_xx!xx_xx-xx/F:xx_xx#xx_xx@xx_xx|xx_xx/G:6_3%0_xx_xx/H:xx_xx/I:xx-xx@xx+xx&xx-xx|xx+xx/J:1_6/K:3+6-32
2525000 3825000 xx^sil-s+a=N/A:-2+1+6/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
3825000 4825000 sil^s-a+N=g/A:-2+1+6/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
4825000 5825000 s^a-N+g=i/A:-1+2+5/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
5825000 6125000 a^N-g+i=i/A:0+3+4/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
6125000 7524999 N^g-i+i=N/A:0+3+4/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
7524999 8125000 g^i-i+N=w/A:1+4+3/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
8125000 8425000 i^i-N+w=a/A:2+5+2/B:xx-xx_xx/C:18_xx+xx/D:24+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
8425000 10125000 i^N-w+a=pau/A:3+6+1/B:18-xx_xx/C:24_xx+xx/D:07+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32
10125000 11325000 N^w-a+pau=d/A:3+6+1/B:18-xx_xx/C:24_xx+xx/D:07+xx_xx/E:xx_xx!xx_xx-xx/F:6_3#0_xx@1_1|1_6/G:3_1%0_xx_0/H:xx_xx/I:1-6@1+3&1-6|1+32/J:2_10/K:3+6-32

Для получения подробной информации, пожалуйста, обратитесь к документам HTS: http://hts.sp.nitech.ac.jp

Что я могу с этим сделать?

Если вы хотите сделать традиционные системы TTS на основе DNN, пожалуйста, ознакомьтесь с учебными пособиями по адресу https://r9y9.github.io/nnmnkwii/latest/. Вы можете использовать этикетки выравнивания и полного контекста для генерации лингвистических функций.

Если вы взаимодействуете в сквозных подходах, пожалуйста, посмотрите на https://github.com/espnet/espnet. Метки используются на стадии предварительной обработки для рецепта JSUT (см. Также https://r9y9.github.io/blog/2017/11/12/jsut_ver1/, чтобы узнать, зачем нам нужны выравнивания для конечных TTS).

Счастливой взлом!

Исходный код для генерации меток

https://github.com/r9y9/segmation-kit/tree/jsut3

Уведомление

• Выравнивания, вероятно, будут иметь ошибки, потому что они были автоматически сгенерированы Юлиусом. Обратите внимание, что они не являются аннотированными вручную этикетки.

Ссылки

• JSUT (Японский речевой корпус Саруватари-лаб., Университет Токио)
• HTS
• Юлий
• OpenJtalk
• 日本語 Следует 音声合成に使えるコーパス jsut の前処理 [arxiv: 1711.00354]
• pyopenjtalk
• nnmnkwii
• Сарулаб-речь/Jsut-Label-аннотированная фонетическая и просодическая информация от Saruwatari-Lab.