zh tts

zho-tts

เว็บแอปอินเทอร์เฟซบรรทัดคำสั่งและไลบรารี Python สำหรับการสังเคราะห์ข้อความภาษาจีนเป็นคำพูด

การติดตั้ง

pip install zho-tts --user

การใช้เป็นเว็บแอป

เยี่ยม ? กอดใบหน้าเพื่อการสาธิตสด

นอกจากนี้คุณยังสามารถเรียกใช้งานได้ในพื้นที่สามารถดำเนินการ zho-tts-web ใน CLI และเปิดเบราว์เซอร์ของคุณใน http://127.0.0.1:7860

การใช้เป็น CLI

zho-tts-cli synthesize "长江 航务 管理局 和 长江 轮船 总公司 最近 决定 安排 一百三十三 艘 客轮 迎接 长江 干线 春运。 "

สามารถฟังเอาต์พุตได้ที่นี่

 # Same example using IPA input
zho-tts-cli synthesize-ipa " ʈʂː|a˧˩˧˘|ŋ|tɕ˘|j|a˥˘|ŋ˘|SIL0|x|a˧˥˘|ŋ|u˥˩|SIL0|k|w|a˧˩˧|n|l˘|i˧˩˧|tɕː|y˧˥ˑ|SIL0|x|ɤ˧˥|SIL0|ʈʂː|a˧˩˧˘|ŋ|tɕ˘|j|a˥˘|ŋ|SIL0|l|w|ə˧˥|n|ʈʂʰ˘|w|a˧˥|n|SIL0|ts˘|ʊ˧˩˧|ŋ˘|kː|ʊ˥|ŋ|s|ɹ̩˥ˑ|SIL0|ts|w˘|ei̯˥˩|tɕ|i˥˩˘|n|SIL0|tɕ|ɥ|e˧˥|t|i˥˩|ŋ|SIL3|a˥|n|pʰ|ai̯˧˥|SIL0|i˥ˑ|p|ai̯˧˩˧|s|a˥˘|n|ʂ˘|ɻ̩˧˥|s|a˥|n|SIL0|s˘|ou̯˥|SIL0|kʰˑ|ɤ˥˩|lː|wˑ|ə˧˥ˑ|n|SIL0|i˧˥ː|ŋ|tɕ˘|j˘|e˥|SIL0|ʈʂː|a˧˩˧|ŋ|tɕ˘|j|a˥˘|ŋ|SIL0|k˘|a˥˩|n|ɕ|j˘|ɛ˥˩|n˘|SIL0|ʈʂʰˑ|w˘|ə˥˘|nː|y˥˩ˑ|nː|。 "

สามารถฟังเอาต์พุตได้ที่นี่

การใช้เป็นห้องสมุด

 from pathlib import Path
from tempfile import gettempdir

from zho_tts import Synthesizer , Transcriber , normalize_audio , save_audio

text = "长江 航务 管理局 和 长江 轮船 总公司 最近 决定 安排 一百三十三 艘 客轮 迎接 长江 干线 春运。"

transcriber = Transcriber ()
synthesizer = Synthesizer ()

text_ipa = transcriber . transcribe_to_ipa ( text )
audio = synthesizer . synthesize ( text_ipa )

tmp_dir = Path ( gettempdir ())
save_audio ( audio , tmp_dir / "output.wav" )

# Optional: normalize output
normalize_audio ( tmp_dir / "output.wav" , tmp_dir / "output_norm.wav" )

ข้อมูลรุ่น

รุ่น TTS ที่ใช้แล้วเผยแพร่ที่นี่

ชุดฟอนิม

• สระ: a ɛ e əɚɤ iou ʊ y
• Diphthongs: ai̯au̯ei̯ou̯
• พยัญชนะ: fjk kʰ lmnp pʰʰɻɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩ɻ̩
• พัก:
  • SIL0 (ไม่มีการหยุดพัก)
  • SIL1 (พักสั้น ๆ )
  • SIL2 (BREAK)
  • SIL3 (พักยาว)
• อักขระพิเศษ:. -

เสียงสระและคำควบกล้ำมีหนึ่งในโทนเหล่านี้:

• ˥ (โทนแรก)
• ˧˥ (โทนที่สอง)
• ˧˩˧ (โทนที่สาม)
• ˥˩ (โทนที่สี่)
• (ไม่มี)

¹พยัญชนะเหล่านี้ยังมีโทนเสียง

เสียงสระ, diphthongs และพยัญชนะมีหนึ่งในเครื่องหมายระยะเวลาเหล่านี้:

• ˘ -> สั้นมากเช่นou̯̯
• ไม่มีอะไร -> ปกติเช่น
• ˑ -> ยาวครึ่งเช่นou̯ˑ
• ː -> ยาวเช่นou̯ː

สามารถรวมเครื่องหมายโทนเสียงและระยะเวลาได้เช่นə˧˥ː

ลำโพง

การอ้างอิง

หากคุณต้องการอ้างอิง repo นี้คุณสามารถใช้ bibtex-entry ที่สร้างโดย gitHub (ดู เกี่ยวกับ => อ้างอิงที่เก็บนี้ )

• Taubert, S. (2024) Zho-TTS (เวอร์ชัน 0.0.2) [ซอฟต์แวร์คอมพิวเตอร์] https://doi.org/10.5281/zenodo.11048515

กิตติกรรมประกาศ

ได้รับทุนจาก Deutsche Forschungsgemeinschaft (DFG มูลนิธิวิจัยเยอรมัน)-โครงการ -ID 416228727-CRC 1410

ผู้เขียนรับทราบการสนับสนุน GWK สำหรับการจัดทำโครงการนี้โดยให้เวลาในการคำนวณผ่านศูนย์บริการข้อมูลและ HPC (ZIH) ที่ TU Dresden

ผู้เขียนรู้สึกขอบคุณศูนย์บริการข้อมูลและการคำนวณประสิทธิภาพสูง [Zentrum Fur InformationsDienste und Hochleistungsrechnen (ZIH)] ที่ TU Dresden สำหรับการจัดหาสิ่งอำนวยความสะดวกสำหรับการคำนวณปริมาณงานสูง