voice dataset creation
1.0.0
В этом репо изложены шаги и сценарии, необходимые для создания собственного набора данных текста в речь для обучения голосовой модели. Окончательный результат в формате LJSPEECH.
Создайте свои собственные голосовые записи100|this is an example sentenceЗапустите Scripts/Wavdurations2CSV.SH, чтобы наметить длину предложения и убедитесь, что у вас есть хорошее распределение длины файлов WAV.
Создать синтетический набор данных голосаCloud API access scopes Select Allow full access to all Cloud APIsСоздать среду Conda в экземпляре GCP
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_generateЗапустите Scripts/Wavdurations2CSV.SH, чтобы наметить длину предложения и убедитесь, что у вас есть хорошее распределение длины файлов WAV.
Создать транскрипции для существующих голосовых записейCloud API access scopes Select Allow full access to all Cloud APIsСоздать среду Conda в экземпляре GCP
conda create -n stt python=3.7
conda activate stt
pip install google-cloud-speech tqdm pandasНа прослушивании Adobe , откройте аудиофайл:
Diagnostics -> Mark AudioMark the Speech предустановкиScanFind LevelsScan еще разMark AllИли, в смещении , откройте аудиофайл:
Analyze -> Sound FinderВ прослушивании :
MarkersВ прослушивании :
В прослушивании :
Export Selected Markers to CSV и сохраните как markers.csvPreferences -> Media & Disk Cache и разоблачьте Save Peak FilesExport Audio of Selected Range Markers со следующими параметрами:Use marker names in filenamesWAV PCM22050 Hz Mono, 16-bitwavs_exportИли, в смещении :
Export multiple...wavs_exportExport labels для Label Track.txt Для прослушивания , используя экспортируемые Markers.csv .
cd scripts
python wav_to_text.py audition Скрипт генерирует новый файл, Markers_STT.csv .
Для Audacity , используя экспортируемую Label Track.txt и папки Wavs:
cd scripts
python wav_to_text.py audacity Скрипт генерирует новый файл, Label Track STT.csv .
Для прослушивания :
Import Markers from File и выберите файл с помощью транскрипций STT: markers_stt.csvДля смелости :
Label Track STT.txt в текстовом редакторе.Для прослушивания :
Export Selected Markers to CSV и сохраните как markers.csvExport Audio of Selected Range Markers со следующими параметрами:Use marker names in filenamesWAV PCM22050 Hz Mono, 16-bitwavs_exportДля смелости :
Export multiple...wavs_export Используя экспортируемые Markers.csv (прослушивание) или Label Track STT.txt (audacity) и wavs в wavs_export, scripts/markersfile_to_metadata.py создаст метадату.csv и папку волн для обучения вашей модели TTS:
Для прослушивания :
python markersfile_to_metadata.py auditionДля смелости :
python markersfile_to_metadata.py audacityЗапустите Scripts/Wavdurations2CSV.SH, чтобы наметить длину предложения и убедитесь, что у вас есть хорошее распределение длины файлов WAV.
ffmpeg:
Resampy:
Мы протестировали три метода в файлах WAV upsample от 16 000 до 22 050 Гц. После просмотра спектрограмм мы выбрали FFMPEG для повышения дискретизации, поскольку она включает в себя еще 2 кГц информации высокого класса по сравнению с Resampy. Scripts/ResampleWav.Sh
scripts/resamplewav.sh
