TTS_Data_Maker

文字到语音数据集制造商

该存储库提供了一种使用著名的TTS文本进行Secement Github repo制作个性化数据集来制作个性化数据集。

链接到TTS存储库-https：//github.com/coqui-ai/tts

链接到PYPI中的TTS -https：//pypi.org/project/tts/#description

构建数据集的步骤

如果您想使用自己的跳过步骤2的音频文件。如果您想使用YouTube步骤2的各种扬声器的音频，则适合您。

1。克隆存储库

 git clone https://github.com/souvikg544/TTS_Data_Maker.git

 cd TTS_Data_Maker
pip install -r requirements.txt

2。下载演讲

要从YouTube视频CD下载音频，然后将视频目录中的YouTube视频CD下载到tts_data_maker目录中，以下是下面下载got视频的示例命令:) .) ... mp4文件将在main_audio目录中下载。必须将视频_link和扬声器/视频名称作为参数提供给以下Python文件。

 python audio_download.py --video_link https://www.youtube.com/watch?v=-B8IkMj6d1E --speaker_name got

3.将音频分为小部分。

要将下载的音频拆分为较小的部分，请使用extract_semt.py文件。

 from extract_segment import SplitWavAudioMubin
download_folder="main_audio"                      #folder in which audio file is stored
video_filename="got.mp4"                          # Filename of the audio
output_folder="/content/sample_tts_dataset/wavs"  #Output folder that will have segments of audio 
duration=20                                       # Duration of each split in seconds

spliter=SplitWavAudioMubin(download_folder,video_filename,output_folder)
spliter.multiple_split(duration)

音频到语音

对于音频到语音，我们将选择许多文本到语音引擎，包括Google和IBM的文本引擎。运行以下代码段以从音频片段中提取文本。

 from extract_text import text_extraction

path_to_audio_split="/content/sample_tts_dataset/wavs"  # As the name suggests use the same folder as output folder before
output_folder="/content/sample_tts_dataset"             # Output folder having the text file
output_file= "metadata.txt"                             # Name of the text file.

et=text_extraction(path_to_audio_split)
et.extract(output_folder,output_file)

最终数据集

最终数据集将具有metadata.txt和audio_split文件夹，其中所有音频文件（例如1.Wav，2.Wav，2.Wav，3.Wav和Suon Metadata.txt文件）将看起来像这样。

 metadata.txt-
audio1|Hey how are you
audio2|I hope you are fine
audio3|Lets meet at dinner

包含所有音频文件的WAV文件夹将看起来像这样

 wav
-audio1.wav
-audio2.wav
-audio3.wav

最后，我们应该具有以下文件夹结构：

 /MyTTSDataset
 |
 | -> metadata.txt
 | -> /wavs
  | -> audio1.wav
  | -> audio2.wav
  | ...

执行

• 从github readmes实施总是很痛苦。为了使事情变得更容易，整个过程已经在Google合作中实施 -

• 必须遵循使用TTS创建模型的数据集创建。可以从此笔记本中找到相同的详细信息 -

笔记：

如果在合作或云上运行，请忽略。

该存储库中广泛使用的PYDUB模块使用FFMPEG处理WAV文件。因此，如果在本地计算机上运行，​​则需要下载FFMPEG，并且必须将BIN文件夹添加到路径。

链接-https：//ffmpeg.org/download.html

从上述链接中的获取软件包和可执行文件部分下载。