Silero TTS Service

บริการ Silero TTS

เนื้อหา

• ข้อมูล
• การแบ่งเซิร์ฟเวอร์
• การตั้งค่าเซิร์ฟเวอร์
• การตั้งค่าในบ้านผู้ช่วย
• การตั้งค่าใน Rhasspy
• ฟังก์ชั่น
• จุดปลาย
• เอาต์พุตเสียงบนคอลัมน์บลูทู ธ

ข้อมูล

ฉันได้สร้างโครงการนี้เพื่อให้บ้านอัจฉริยะของฉันมีการสังเคราะห์คำพูดปกติ นอกจากนี้เพื่อให้ Rhasspy มีการสังเคราะห์คำพูดปกติ โซลูชันที่พร้อมแล้วที่ทำมาแล้วไม่เหมาะกับฉันและมีการตัดสินใจที่จะคิดค้นจักรยานของพวกเขา โมเดล Silero ถูกนำมาเป็นพื้นฐาน

ฉันได้รับแรงบันดาลใจจากโครงการ Silero-HA-HTTP-TTS จาก Gromina เขาชื้นและฉันตัดสินใจที่จะทำทุกอย่างในใจด้วยการตั้งค่าและภาชนะบรรจุพร้อม

การแบ่งเซิร์ฟเวอร์

การติดตั้งผ่าน Docker:

ทำตามคำสั่ง:

 docker run -p 9898:9898 -m 1g -e NUMBER_OF_THREADS=4 -e LANGUAGE=ru -e SAMPLE_RATE=48000 --name tts_silero -d navatusein/silero-tts-service

การติดตั้งผ่าน Docker Compose:

สร้างไฟล์ docker-compose.yml และถ่ายโอนเนื้อหาไปยัง:

 version : ' 3 '

services :
  silero-tts-service :
    image : " navatusein/silero-tts-service "
    container_name : " silero-tts-service "
    deploy :
      resources :
        limits :
          memory : 1G
    ports :
      - " 9898:9898 "
    restart : unless-stopped
    environment :
      NUMBER_OF_THREADS : 4
      LANGUAGE : ru
      SAMPLE_RATE : 48000

ทำตามคำสั่ง:

 docker-compose up

การตั้งค่าเซิร์ฟเวอร์

การตั้งค่าเซิร์ฟเวอร์ทั้งหมดจะถูกส่งเป็นพารามิเตอร์สภาพแวดล้อม Docker ไปยังคอนเทนเนอร์เมื่อเริ่มต้น

จำนวนนิวเคลียสสำหรับการประมวลผลคำพูด NUMBER_OF_THREADS :

 NUMBER_OF_THREADS : 4 

จำนวนการไหลจาก 1 ถึงจำนวนแกนโปรเซสเซอร์เซิร์ฟเวอร์
โดยค่าเริ่มต้น: 4

ภาษาการสังเคราะห์ LANGUAGE :

 LANGUAGE : ru

โดยค่าเริ่มต้น: ru

ภาษาที่สนับสนุนด้วยคะแนนโหวตให้พวกเขา:

ภาษา	รหัสภาษา	เสียงที่รองรับ
ชาวรัสเซีย	ru	aidar baya kseniya xenia eugene random
ชาวยูเครน	uk	mykyta random

ตัวอย่างความถี่ SAMPLE_RATE :

 SAMPLE_RATE : 48000 

ค่าที่เป็นไปได้: 48000 , 24000 , 8000
โดยค่าเริ่มต้น: 48000

พารามิเตอร์ยูทิลิตี้ SOX_PARAM :

 SOX_PARAM : " reverb 50 50 10 " # Добавляет эхо на речь

โดยค่าเริ่มต้น: ว่างเปล่า

ไฟล์เอาต์พุตผ่านยูทิลิตี้ SOX เธอสามารถถ่ายทอดพารามิเตอร์เพื่อกำหนดผลกระทบต่อคำพูด: ยกระดับเสียงต่ำเพิ่มเสียงสะท้อนเปิดเบสเพิ่ม

ลิงก์ไปยังเอกสารประกอบยูทิลิตี้ Sox: https://linux.die.net/man/1/sox

การแก้ไขการฉ้อโกงจุดสิ้นสุดของวลี HA_FIX :

 HA_FIX : True 

สามารถใช้ค่า: True False
โดยค่าเริ่มต้น: False

แก้ไขข้อผิดพลาดที่ผู้ช่วยที่บ้านไม่เห็นด้วยในตอนท้ายของวลี เพิ่มความเงียบวินาทีในตอนท้ายของการพูด

การตั้งค่าในบ้านผู้ช่วย

ในไฟล์ configuration.yaml เพิ่มระเบียน:

 tts :
  - platform : marytts
    host : localhost # Адрес сервера
    port : 9898
    codec : WAVE_FILE
    voice : xenia # Имя голоса который хотите использовать.
    language : ru # Не используется. Настройки языка указываются в настройках сервера. 

การตั้งค่าใน Rhasspy Assistant

1. ในการตั้งค่าในส่วนข้อความไปยัง SPECH เลือกโมดูล Marrytts
2. ใช้การตั้งค่าผู้ช่วย Rhasspy
3. ระบุที่อยู่ของเซิร์ฟเวอร์ของคุณด้วยวิธี /process
4. คลิกที่ปุ่มรีเฟรช
5. ในรายการโหวตที่มีให้เลือกเสียงที่คุณต้องการ
6. ใช้การตั้งค่าผู้ช่วย Rhasspy

ฟังก์ชั่น

การทำให้เป็นปกติของตัวเลข

บริการสามารถแปลตัวเลขเป็นข้อความ
ตัวอย่าง:

 Текст с цифрой 1.

ตัวอย่างการทำให้เป็นมาตรฐาน 1

คำนามที่ลดลงหลังจากตัวเลข

บริการสามารถโค้งคำนับคำนามหลังจากตัวเลข
ในการทำเช่นนี้คำที่ต้องโน้มน้าวใจหลังจากหมายเลขให้ใช้ <d>слово</d>
ตัวอย่าง:

 У меня было 15 <d>яблоко</d>.

ตัวอย่าง rlowing 1

หากคุณต้องการโน้มน้าวคำสองสามคำแต่ละคำต้องใช้ในแท็ก <d>слово</d> แยกกัน

 Мне осталось работать 15 <d>рабочий</d> <d>день</d>.

Lange ตัวอย่าง 2

แปลการออกเสียง

บริการสามารถออกเสียงแปลได้
ตัวอย่าง:

 Lorem ipsum dolor sit amet.

ตัวอย่างแปล 1

SSML

การใช้ SSML คุณสามารถควบคุมการหยุดชั่วคราวและคำพูดสังเคราะห์พร็อกซี

 <p>
  Когда я просыпаюсь, <prosody rate="x-slow">я говорю довольно медленно</prosody>.
  Потом я начинаю говорить своим обычным голосом,
  <prosody pitch="x-high"> а могу говорить тоном выше </prosody>,
  или <prosody pitch="x-low">наоборот, ниже</prosody>.
  Потом, если повезет – <prosody rate="fast">я могу говорить и довольно быстро.</prosody>
  А еще я умею делать паузы любой длины, например две секунды <break time="2000ms"/>.
  <p>
    Также я умею делать паузы между параграфами.
  </p>
  <p>
    <s>И также я умею делать паузы между предложениями</s>
    <s>Вот например как сейчас</s>
  </p>
</p>

SSML ตัวอย่าง 1

จุดปลาย

• GET /clear_cache - ทำความสะอาดแคชของข้อความที่สังเคราะห์แล้ว
• GET /settings - ส่งคืนการตั้งค่าเซิร์ฟเวอร์ปัจจุบัน
• GET /voices - ส่งคืนรายการโหวตที่มีอยู่สำหรับภาษาที่เลือก
• GET /process?VOICE=[Выбраный голос]&INPUT_TEXT=[Текст для обработки] - ส่งคืนไฟล์เสียงของคำพูดสังเคราะห์
• POST /process ใน Body of VOICE=[Выбраный голос] , INPUT_TEXT=[Текст для обработки] - ส่งคืนไฟล์เสียงของคำพูดสังเคราะห์

เอาต์พุตเสียงบนคอลัมน์บลูทู ธ

1. หากผู้ช่วยในบ้านเป็นระบบปฏิบัติการหลัก (HAOS) เราจะอ่านลำโพง TTS บลูทู ธ สำหรับเอกสารผู้ช่วยที่บ้านนี้
2. หากผู้ช่วยในบ้านยืนอยู่บนเดเบียนเราจะทำสิ่งต่อไปนี้:

แก้ไข client.conf

 nano /etc/pulse/client.conf

เพิ่มสิ่งต่อไปนี้:

 default-server = unix:/usr/share/hassio/audio/external/pulse.sock
autospawn = no

รีสตาร์ท Pulseaudio

 pulseaudio -k && pulseaudio --start

เราใส่เวอร์ชันปัจจุบันของเวอร์ชันปัจจุบัน: 2.1.1 และใส่เฉพาะเวอร์ชันนี้ Mopidy 2.2.0 อย่าใส่ - มันเสีย อ่านเพิ่มเติมเกี่ยวกับ Mopidy 2.2.0 เวอร์ชันที่เสียอ่านได้ที่นี่

เพิ่มลงใน configuration.yaml

 media_player :
  - platform : mpd
    name : " MPD Mopidy "
    host : localhost
    port : 6600

เรารีบูตผู้ช่วยที่บ้านอย่างสมบูรณ์เพื่อรีบูตเดเบียนเอง

เชื่อมต่อคอลัมน์บลูทู ธ กับ Debian, KB, J ผ่าน GUI หรือผ่านคอนโซลโดยใช้คำสั่ง Bluetoothctl

เปิดบลูทู ธ :

 power on

เริ่มต้นอุปกรณ์สแกน:

 scan on

อย่างที่เราเห็นอุปกรณ์ของเราเราผสมพันธุ์กับอุปกรณ์:

 pair [mac адрес девайса]

เราเชื่อมต่อกับอุปกรณ์:

 connect [mac адрес девайса]

เพิ่มอุปกรณ์ลงในความน่าเชื่อถือ:

 trust [mac адрес девайса]

นอกจากนี้ยังมีการเพิ่มอุปกรณ์บลูทู ธ ในสองส่วนเสริมของผู้ช่วย Rhasspy และ mopidy คุณต้องระบุแหล่งที่มาของเสียงของอุปกรณ์บลูทู ธ :

1. ใน Rhasspy Assistant เราระบุสิ่งนี้:

2. ใน mopidy เราระบุสิ่งนี้:

เราตรวจสอบประสิทธิภาพ:

รหัส:

 service : tts.marytts_say
data :
  entity_id : media_player.mpd_mopidy
  message : >-
    Спустя 15 лет жизнь некогда бороздившего космические просторы Жана-Люка
    Пикара