Новая база для синтеза речи , и голос для festival

Цитата

Этот вопрос задаю от того, что пытаюсь сделать озвучку для символов, но не во всех случаях, а только когда он указан отдельно.

Да, если символ отдельный, его нужно просто добавить в словарь

Цитата

сли же он входит в состав слова - то его не надо произносить.

В этом случае для *

( [ "*" ] = )

Цитата nsh @ 15.09.10, 20:39

Цитата

Этот вопрос задаю от того, что пытаюсь сделать озвучку для символов, но не во всех случаях, а только когда он указан отдельно.

Да, если символ отдельный, его нужно просто добавить в словарь

Цитата

сли же он входит в состав слова - то его не надо произносить.

В этом случае для *

( [ "*" ] = )

Вот что у меня происходит.
Ставлю в Ubuntu Festival и голос из репозиториев. Затем произношу "*" и получаю ошибку. Затем я иду в msu_ru_nsh_lexicon.scm и вижу что есть следующий блок

(define (msu_ru_addenda)
  "(msu_ru_addenda)
Basic lexicon should (must ?) have basic letters, symbols and punctuation."
 
;;; Symbols ...
(lex.add.entry
'("*" nil (((u) 0) ((m n o) 1) ((zh i tt) 0) )))

Казалось бы должно звучать "умножить". Но отдельно стоящая звездочка приводит к ошибке.

Далее, я добавляю в

(lts.ruleset
 russian_downcase

строки

( [ "*" ] = )

После чего запускаю Festival и прошу сказать отдельностоящую "*" ...
и слышу нечто напоминающее "Найду"...

Тоже произойдет если я добавлю

( [ "%" ] = )
( [ "|" ] = )

и попрошу произнести.

Впрочем, тоже самое происходит и в Windows XP при загруженном по вашей ссылке актуальных festival и голосе.

Я не понимаю, откуда он выковыривает это "найду", или что он у меня там говорит.

Хорошо, попробуйте так:

(lex.add.entry
 '("\*" nil ( ((u) 0) ((m n o) 1) ((zh i tt) 0) )))
 
(lts.ruleset
 russian_downcase
 ( )
 ....
    ( [ "*" ] =  "*" )
 ....
 
lts.ruleset
 msu_ru
   (
  ;; Some exceptions                  
    ( [ "*" ] = )

но результат будет не очень, будет читать "один умножить два"

По хорошему нужно добалять код в msu_ru_nsh_tokenizer.scm

   ((string-matches name "РФ")
    (list "эр+эф"))
   ((string-matches name "\\*")
    (list "умножить" "на"))

Тогда будет читать правильно "умножить на два"

Цитата nsh @ 16.09.10, 08:24

По хорошему нужно добалять код в msu_ru_nsh_tokenizer.scm

   ((string-matches name "РФ")
    (list "эр+эф"))
   ((string-matches name "\\*")
    (list "умножить" "на"))

Тогда будет читать правильно "умножить на два"

nsh
Спасибо, попробую!

Здравствуйте.

Скажите пожалуйста, а есть редакторы транскрипций кроме Wavesurfer? У меня не получается воспроизвести в нем звук

ОС: Fedora Core 13


Оффтоп: а есть какие ни будь речевые синтезаторы, которые проговаривают фразы по специально размеченным предложениям?

Цитата

Скажите пожалуйста, а есть редакторы транскрипций кроме Wavesurfer? У меня не получается воспроизвести в нем звук

ОС: Fedora Core 13

Загрузить модуль snd_pcm_oss (sudo modprobe snd_pcm_oss). Затем запускать wavesurfer через padsp

padsp wavesurfer file.wav

Цитата

Оффтоп: а есть какие ни будь речевые синтезаторы, которые проговаривают фразы по специально размеченным предложениям?

Festival, OpenMARY

Оперативно спасибо

Решил эту проблему по другому, просто раскоментировал в файле /etc/modprobe.d/dist-oss.conf строчку с загрузкой модуля все заработало

Посмотрел OpenMARY - поддержки русского языка нет, и написана она на яве, ну в принципе какой вопрос такой и ответ

Вопрос, а джаббер конференция у этого проекта есть?

Цитата

Посмотрел OpenMARY - поддержки русского языка нет, и написана она на яве, ну в принципе какой вопрос такой и ответ

Поддержка русского языка есть в ветке openmary-ru

Цитата

Вопрос, а джаббер конференция у этого проекта есть?

нет

а по какому принципу festival выбирает какую транскрипцию подставлять в каком-то конкретном случае? Например в ru_0001.wav диффоны (если не правильно поправьте) повторяются и точно такие же есть в других wav файлах

Цитата nsh @ 08.10.10, 08:50

Поддержка русского языка есть в ветке openmary-ru

будьте добры - ссылку, на офф сайте не нашел

P.S
сделал конференцию festival_tts@conference.jabber.ru там намного удобнее общаться, все таки real time Правда если гуру туда не пойдут смысла не будет от этой конфы

Добавлено 08.10.10, 10:51

Цитата nsh @ 23.09.07, 16:37

Ну как из базы выбираются куски с учётом двух функций - target cost (соответствие куска тому, что нужно синтезировать) и join cost (соответствие куска соседним кускам, выбранным из базы). Потом всё склеивается и получается синтезированный звук.

нашел как это делается

А где посмотреть как он русские слова разбивает на транскрипции?

Цитата

а по какому принципу festival выбирает какую транскрипцию подставлять в каком-то конкретном случае? Например в ru_0001.wav диффоны (если не правильно поправьте) повторяются и точно такие же есть в других wav файлах

Транскрипция - текстовое представление звука, к выбору из базы она отношения не имеет. Тот кусок речи, который выбирается, называется элемент речи (unit). Среди всех элементов речи выбирается элемент с минимальной ценовой функцией, которая является суммой цены соответствия нужным характеристикой и цены соединения с уже выбранными элементами речи.

Цитата

будьте добры - ссылку, на офф сайте не нашел

Сейчас сайт http://mary.opendfki.de/ лежит, ветка соовтетствующая в subversion, в /branches. Не думаю, что трудно найти

Цитата

А где посмотреть как он русские слова разбивает на транскрипции?

На что разбивает? Транскрипция слова (его звуковое представление) получается из слова и словаря ударений. "разбивается" тут не применимо. Код, по слову определяющий транскрипцию находится в файле festvox/msu_ru_nsh_lexicon.scm.scm

Цитата nsh @ 09.10.10, 06:56

На что разбивает? Транскрипция слова (его звуковое представление) получается из слова и словаря ударений. "разбивается" тут не применимо. Код, по слову определяющий транскрипцию находится в файле festvox/msu_ru_nsh_lexicon.scm.scm

да, я не правильно выразился.

Если я, правильно понял то, слово(текст) разбивается на аллофоны, т.е. текстовое представление звука, правильно? Аллофоны лежат в msu_ru_nsh_clunits/lab/ru_*.lab

Можно ли как-то включить дебаг режим, чтоб видеть из каких файлов он берет эти куски речи, при составлении слова, чтоб можно было поправить в одном файле некоторые звуки? или хотя бы видеть из каких кусков речи состоит конкретное слово, чтоб поправить во всех файлах где эти элементы встречаются. Например слово "Офис" проговаривает как "Афис".

Цитата

Если я, правильно понял то, слово(текст) разбивается на аллофоны, т.е. текстовое представление звука, правильно?

Не разбивается, а преобразуется в последовательность аллофонов.

Цитата

Аллофоны лежат в msu_ru_nsh_clunits/lab/ru_*.lab

В файлах lab аллофоны не лежат, там лежит разметка базы на аллофоны.

Цитата

Можно ли как-то включить дебаг режим, чтоб видеть из каких файлов он берет эти куски речи, при составлении слова, чтоб можно было поправить в одном файле некоторые звуки?

Раскомментировать '(clunits_debug 1).

Цитата

Например слово "Офис" проговаривает как "Афис".

У Вас какая-то версия видимо очень старая. Попробуйте новую версию.

Цитата nsh @ 25.10.10, 11:37

Не разбивается, а преобразуется в последовательность аллофонов.
В файлах lab аллофоны не лежат, там лежит разметка базы на аллофоны.

ну мы поняли друг друга

Цитата nsh @ 25.10.10, 11:37

У Вас какая-то версия видимо очень старая. Попробуйте новую версию.

версия у меня последняя msu_ru_nsh_clunits-0.5.tar.bz2 скачивал от сюда

Цитата

версия у меня последняя msu_ru_nsh_clunits-0.5.tar.bz2 скачивал от сюда

Последняя версия находится здесь:

http://developer.berlios.de/svn/?group_id=3272

Цитата nsh @ 25.10.10, 12:54

Последняя версия находится здесь:

http://developer.berlios.de/svn/?group_id=3272

подскажите, а где тут русский голос лежит, в папке (root)/trunk/msu_ru_nsh_cg ?

Не могли бы написать небольшую инструкцию как его установить в festival.