หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

คำอธิบายประกอบเสียง

สคริปต์ Helper Python เหล่านี้ช่วยให้คุณได้รับไฟล์เสียงที่มีคำอธิบายประกอบขนาดเล็กลงจากไฟล์เสียงขนาดใหญ่ที่มีไฟล์เพื่อฝึกอบรมรุ่น STT หรือ TTS โดย: 1 แยกไฟล์ขนาดใหญ่ในไฟล์ WAV ขนาดเล็กหลายไฟล์คั่นด้วยความเงียบ หากมีลำโพงหลายตัวในเสียงของคุณคุณสามารถลบชิ้นส่วนที่พูดโดยลำโพงอื่น ๆ 2. (ไม่บังคับ) รับการถอดความสำหรับไฟล์เสียงขนาดเล็กเหล่านี้จากบริการ Google Cloud STT ซึ่งต้องใช้บัญชี GCP 3. คำอธิบายประกอบด้วยตนเอง (หรือแก้ไขคำอธิบายประกอบ GCP) ไฟล์เสียงที่เล็กลง

การติดตั้ง

ขั้นตอนที่ 1 ต้องมีการติดตั้ง FFMPEG ในระบบของคุณ
สคริปต์ทั้งหมดเขียนใน Python 3.6+ แพ็คเกจที่จำเป็นสามารถติดตั้งได้ด้วย: 

 pip install -r requirement.txt

คุณจะต้องใช้ Pyaudio สำหรับขั้นตอนที่ 3

นอกจากนี้หากคุณต้องการใช้ STT ของ GCP คุณควรติดตั้งไคลเอนต์ Python ด้วย 

 pip install --upgrade google-cloud-speech

และกำหนดค่าโครงการตามที่แสดงไว้ที่นี่
เวอร์ชันปัจจุบันของสคริปต์นี้เข้ากันได้กับ Google-Cloud-Speech 2.x หากคุณต้องการใช้เวอร์ชัน 1.x คุณสามารถดู repo รุ่นก่อนหน้านี้ซึ่งใช้เวอร์ชันนั้นได้เช่นกัน

การใช้งาน 

 python split.py --input big_file.wav --audio_folder audio --out_csv sentences.csv

ไฟล์ sentences.csv จะถูกสร้างเป็น "ไฟล์; ประโยค"
หากต้องการเก็บเฉพาะไฟล์ที่พูดโดยลำโพงเฉพาะให้ใช้อาร์กิวเมนต์ "-REMOVE_BAD_SEGMENTS" และ "-SPEAKER_SEGMENT" 

 python get_gcp_transcription.py --audio_folder audio --csv sentences.csv --language_code en-US

 python annotate.py --audio_folder audio --csv sentences.csv

สำหรับสคริปต์ทั้งสามคุณสามารถดูอาร์กิวเมนต์เพิ่มเติมได้ 

 python FILE_NAME.py -h
ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด