synthi tts

synthi-tts

ทำให้เสียงของคุณเป็นดิจิทัลเพื่อให้มันพูดเพื่อคุณ! อัตโนมัติอย่างเต็มที่!

ข้อสังเกตโดย Niklas: ฉันได้นำต้นแบบนี้มาใช้ใหม่เพื่อทำให้ทุกอย่างฟังดูดีขึ้นมาก! ฉันขอขอบคุณทุกคนที่ช่วยให้ฉันนำความคิดนี้มาสู่ชีวิตโดยเฉพาะ Moritz และ Jackob ที่รับผิดชอบรหัสใน repo นี้!

---

การสร้างโมเดลเสียง

• พูดเล็กน้อย! [Audio.mp3]
• ถอดความสิ่งที่คุณพูด [ข้อความธรรมดา - transcription.txt]
• ใช้ Forced Aligner (Gentle) เพื่อจับคู่ timeCodes ในเสียงและการถอดเสียง
• แยกชิ้นฟอนิม (FFMPEG)

 # prepare audio.mp3 and transcription.txt
# you need docker pre-installed
# this will generate an output.json inside the path specified.
./gentle-docker.sh < path > < audio.mp 3> < transcription.txt >
python3 json-times-voice-to-samples.py < path/output.json > [output-folder]

การสังเคราะห์คำพูด

• ต้องใช้โมเดลเสียงที่สร้างขึ้นก่อนขั้นตอนนี้
• ป้อนข้อความ
• แปลงเป็น IPA-phonetics (eSpeak)
• ตัวอย่างเสียงที่เชื่อมต่ออย่างชาญฉลาดจากโมเดล (FFMPEG)

 # make sure that voice model is complete
# English is recommended
python3 synthi-tts.py " Your text here " -f < output-folder >

ใช้ python3 synthi-tts.py --help สำหรับความช่วยเหลือเพิ่มเติมเกี่ยวกับอาร์กิวเมนต์ที่คุณอาจใช้

สิ่งที่ต้องทำ

• การจับคู่และการต่อกันในระดับพยางค์/คำเพื่อการสังเคราะห์ที่ดียิ่งขึ้นและเข้าใจได้ง่ายขึ้น
• การแก้ไขเสียงเพื่อลบการหยุดสายเสียงในตอนท้ายของตัวอย่างเสียงสั้น
• ทำให้มันเร็วขึ้นมาก!
• เขียนอินเทอร์เฟซเพื่อให้สามารถใช้เป็นระบบเสียงของคุณได้
• ยูทิลิตี้กราฟิก TTS