gnuspeech_sa

gnuspeechsa (สแตนด์อโลน)

Gnuspeechsa เป็นซินธิไซเซอร์ข้อบังคับบรรทัดคำสั่งที่แปลงข้อความเป็นคำพูด

Gnuspeechsa เป็นพอร์ต C ++ ของ TTS_Server ในระบบ gnuspeech ดั้งเดิมที่พัฒนาขึ้นสำหรับ Nextstep จัดทำโดย David R. Hill, Leonard Manzara, Craig Schock และผู้สนับสนุน ฐานคือรหัสในที่เก็บการโค่นล้มของ Gnuspeech, Revision 672 ดาวน์โหลดในปี 2014-08-02 ซอร์สโค้ดได้มาจากไดเรกทอรี:

 nextstep/trunk/ObjectiveC/Monet.realtime
nextstep/trunk/src/SpeechObject/postMonet/server.monet

ซอฟต์แวร์นี้เขียนในหลายแพลตฟอร์ม C ++

gnuspeech

Gnuspeech เป็นเครื่องสังเคราะห์คำพูดที่เปล่งออกมา โครงการได้ใช้ซอฟต์แวร์ Text-to-Speech (TTS) ครั้งแรก (เท่าที่ฉันรู้) มันได้รับการพัฒนาใน 90s ประมาณ 30 ปีที่แล้ว (ในปี 2023) ก่อนหน้านี้ Synthesizer เคยเป็นซอฟต์แวร์เชิงพาณิชย์แบบปิดใช้งานสำหรับคอมพิวเตอร์เครื่องต่อไปเท่านั้น หลังจากการตายของครั้งต่อไปซอฟต์แวร์จะถูกบริจาคให้กับโครงการ GNU มันใช้โมเดลทางเดินเสียงที่เรียบง่ายเพราะเครื่องต่อไปเป็นคอมพิวเตอร์ที่ช้ามาก ซีพียูของยุค 90 ดำเนินการที่ความถี่ของ MHz หลายสิบ (ไม่ใช่การพิมพ์ผิด) ช้ากว่าเทคโนโลยีประมาณ 100 เท่าในปี 2566 ความซับซ้อนต่ำสัมพัทธ์ของแบบจำลองช่วยให้การสังเคราะห์แฝงต่ำในคอมพิวเตอร์ส่วนบุคคลที่ทันสมัย

ระบบ TTS ดั้งเดิมมีการใช้งานสองแบบของโมเดลทางเดินเสียง (โมเดลหลอด) ซึ่งดำเนินการบน 56K DSP เขียนในแอสเซมบลีและอีกรุ่นที่ดำเนินการในซีพียูเขียนใน C. โมเดลหลอด DSP สร้างคำพูดที่ดีขึ้น ที่เก็บนี้ใช้โมเดลหลอด C

ตัวอย่างการสังเคราะห์

เสียงด้านล่างถูกสังเคราะห์จากข้อความของความโกลาหล (เวอร์ชันสั้น ๆ ) โดย Gerard Nolst Trenité

รหัสต้นฉบับ (สำหรับถัดไป - ไม่ได้อยู่ในที่เก็บนี้) โดยใช้โมเดล DSP Vocal Tract

• ภาษาอังกฤษ - ชาย

gnuspeechsa 0.1.8

• ภาษาอังกฤษ - ชาย
• ภาษาอังกฤษ - หญิง
• ภาษาอังกฤษ - เด็กใหญ่
• ภาษาอังกฤษ - เด็กเล็ก
• ภาษาอังกฤษ - ที่รัก

สถานะ

การซ่อมบำรุง

รองรับภาษาอังกฤษเท่านั้น

ใบอนุญาต

โปรแกรมนี้เป็นซอฟต์แวร์ฟรี: คุณสามารถแจกจ่ายใหม่และ/หรือแก้ไขภายใต้ข้อกำหนดของใบอนุญาตสาธารณะ GNU ทั่วไปที่เผยแพร่โดย Free Software Foundation ไม่ว่าจะเป็นเวอร์ชัน 3 ของใบอนุญาตหรือ (ตามตัวเลือกของคุณ) รุ่นใหม่ ๆ

โปรแกรมนี้มีการแจกจ่ายด้วยความหวังว่าจะมีประโยชน์ แต่ไม่มีการรับประกันใด ๆ โดยไม่มีการรับประกันโดยนัยเกี่ยวกับความสามารถในการค้าหรือความเหมาะสมสำหรับวัตถุประสงค์เฉพาะ ดูไฟล์ Popying.txt สำหรับรายละเอียดเพิ่มเติม

รหัสภายนอก

ซอฟต์แวร์นี้มีรหัสจาก RapidxML ดูไฟล์ src/rapidxml/license.txt สำหรับรายละเอียด

การใช้ gnuspeech_sa

gnuspeech_sa แปลงข้อความอินพุตเป็นคำพูด

 ./gnuspeech_sa [-v] -c config_dir -p trm_param_file.txt -o output_file.wav 
        "Hello world."
    Synthesizes text from the command line.
    -v : verbose

    config_dir is the directory that stores the configuration data,
        e.g. data/en.
    trm_param_file.txt will be generated, containing the tube model
        parameters.
    output_file.wav will be generated, containing the synthesized speech.

./gnuspeech_sa [-v] -c config_dir -i input_text.txt -p trm_param_file.txt 
        -o output_file.wav
    Synthesizes text from a file.
    -v : verbose

    config_dir is the directory that stores the configuration data,
        e.g. data/en.
    input_text.txt contains the input text.
    trm_param_file.txt will be generated, containing the tube model
        parameters.
    output_file.wav will be generated, containing the synthesized speech.

การใช้ gnuspeech_sa_trm

gnuspeech_sa_trm ดำเนินการเฉพาะรุ่นหลอด

 ./gnuspeech_sa_trm [-v] trm_param_file.txt output_file.wav
    -v : verbose

    trm_param_file.txt is the file generated by gnuspeech_sa, containing the
        tube model parameters.
    output_file.wav will be generated, containing the synthesized speech.

เนื้อหาของข้อมูล/en

monet.xml

มีฐานข้อมูลข้อต่อ

intonation.txt

ควบคุมน้ำเสียง

ถ้า random_intonation = 0 ใน trm_control_model.txt จะใช้เฉพาะบรรทัดแรกในแต่ละกลุ่มโทน ถ้า random_intonation = 1 บรรทัดจะถูกเลือกแบบสุ่ม

MainDictionary.txt

มีพจนานุกรมหลักซึ่งเกี่ยวข้องกับคำศัพท์กับท่าทาง

trm.txt

มีพารามิเตอร์สำหรับรุ่นหลอด

พารามิเตอร์ที่น่าสนใจคือ:

    vocal_tract_length_offset
        This value is added to the vocal tract length.
    loss_factor
        Defines the acoustic loss inside the vocal tract.

trm_control_model.txt

มีพารามิเตอร์สำหรับคอนโทรลเลอร์โมเดลหลอด

พารามิเตอร์ที่น่าสนใจคือ:

    voice_name
        Defines the voice used in the synthesis.
        It selects which of the voice_*.txt files will be
        loaded.
    tempo
        Values greater than 1 will speed up the speech.
    pitch_offset
        Modifies the voice pitch.

    drift_deviation
    drift_lowpass_cutoff
        Control the random perturbations in the intonation
        (requires intonation_drift = 1).

    dictionary_1_file
    dictionary_2_file
    dictionary_3_file
        Indicate the dictionaries (the dictionaries will be
        searched in the order 1, 2, 3).

บันทึก:

ไม่มีการใช้พารามิเตอร์ต่อไปนี้ในขณะนี้:

• notional_pitch
• Pretonic_range
• Pretonic_lift
• tonic_range
• Tonic_movement

voice_baby.txt

voice_female.txt

voice_large_child.txt

voice_male.txt

voice_small_child.txt

มีพารามิเตอร์เสียง

พารามิเตอร์ที่น่าสนใจคือ:

    vocal_tract_length

    glottal_pulse_tp
        Rise time, in % of the period.
    glottal_pulse_tn_min
        Fall time, in % of the period - for the highest pulse
        amplitude.
    glottal_pulse_tn_max
        Fall time, in % of the period - for the lowest pulse
        amplitude.

        These parameters modify the glottal pulse shape.

    reference_glottal_pitch
        Modify the voice pitch.

    breathiness

vowelTransitions.txt

ควบคุมการเปลี่ยนสระ

vowelTransitions_2.txt

เวอร์ชันทางเลือกของ vowelTransitions.txt

มันไม่ได้ถูกใช้