汉语（普通话）的音素对齐

音素对齐在语音识别，语音合成等领域都可能会用的到，当你不想自己训练个模型来处理对齐任务时，最好的办法是找个工具。

用了一圈下来，发现Montreal-Forced-Aligner（MFA）比较好用，不仅支持汉语（普通话）还支持英语和一堆其他的语言（还可以自己训练声学模型），所以接下来主要写的是MFA的用法。另外还有一个专门处理汉语音素对齐的工具speech-aligner，地址在这里https://github.com/open-speech/speech-aligner 另外专栏为什么不支持插入站外链接，除了不支持代码高亮以外又多了个槽点= =

第一件事是把MFA下载下来https://montreal-forced-aligner.readthedocs.io/en/latest/installation.html

Mac，Linux，Windows都可以用，下载后记得解压缩。

首先在与训练模型找到普通话（Mandarin），链接在这里https://montreal-forced-aligner.readthedocs.io/en/latest/pretrained_models.html

然后找一个字典（可以自己训练，参考这里https://montreal-forced-aligner.readthedocs.io/en/latest/example.html?highlight=mandarin#example-2-generate-mandarin-dictionary），没在文档里面找到现成的，不过逛Github的时候在一个停止维护的项目MTTS里面找到了一份字典https://github.com/Jackiexiao/MTTS/blob/master/misc/mandarin-for-montreal-forced-aligner-pre-trained-model.lexicon

然后处理数据，一个wav文件（采样频率在16k以上，不是的话用sox或其他的转换一下）对应一个lab文件，lab里的内容是wav的拼音

接下来就是对齐啦，大概是这样

bin/mfa_align biaobei mandarin-for-montreal-forced-aligner-pre-trained-model.lexicon mandarin.zip result

biaobei指的是数据所在文件夹路径，因为用的是标贝的数据所以用了这个名字，对齐的时候读者小伙伴们记得自己改路径，不要复制粘贴一气呵成～

mandarin-for-montreal-forced-aligner-pre-trained-model.lexicon 是之前下载的字典文件。

mandarin.zip 是之前下载的普通话声学模型，记得不要解压。

result是输出路径。

正常工作的话大概会是这样：

没有正常工作的话，会输出错误信息。

输出内容是这样的：

oov指的是字典里没有的拼音，对齐文件在biaobei文件夹里。

长这样：

item1是拼音的持续时间

item2是音素的持续时间

然后自己写一个脚本读取就好啦w

作者：茯苓猫不黑
https://www.bilibili.com/read/cv6815691
出处： bilibili

汉语（普通话）的音素对齐相关推荐

方言听力测试软件,汉语普通话噪声中听力测试材料在不同方言正常人中的应用研究...
摘要: 目的研究汉语普通话噪声中听力测试(hearing in noise test,HINT)句子测试材料在不同方言听力正常人中的测试效果.方法使用BLIMP测试软件对不同方言地区和北京市正常听 ...
chain模型音素对齐
假设已经训练好了chain模型,想用chain模型对齐的话(正常都是用GMM对齐),这个对齐要有y哦 1 准备数据这里是参考 steps/nnet3/align.sh中的脚本,首先要的数据必须是&l ...
MFA音素对齐版本降级
见https://pypi.org/project/Montreal-Forced-Aligner/2.0.0b3/ # 个人感觉这个版本好用
汉语音频文本对齐（Forced Alignment）-MFA
github:G-Meteor/Forced-Alignment-MFA (github.com) 里面有已下载好的模型与字典. 音素对齐在语音识别,语音合成等领域都可能会用的到.Montreal-F ...
MFA强制对齐音频和音素的用法
目录环境准备工作音素对齐环境 ubuntu 18.04.4 LTS 准备工作下载Linux版本的MFA库montreal-forced-aligner_linux.tar.gz(这里下的版本 ...
机器翻译中的古汉语现代汉语句子对齐研究
第十一届全国机器翻译研讨会(CWMT 2015) 中国 · 合肥 2015 ...
基于Tacotron汉语语音合成的开源实践
语音合成(Text to Speech Synthesis)是一种将文本转化为自然语音输出的技术,在各行各业有着广泛用途.传统TTS是基于拼接和参数合成技术,效果上同真人语音的自然度尚有一定差距,效果 ...
####好好好好####基于Tacotron汉语语音合成的开源实践
2017年初,Google 提出了一种新的端到端的语音合成系统--Tacotron.Tacotron打破了各个传统组件之间的壁垒,使得可以从<文本,声谱>配对的数据集上,完全随机从头开始训 ...
最小的语言符号是A词B语素C音素D义素,[转载]语言学概论试题答案
2003年10月高等教育自学考试语言学概论试题课程代码:00541 一.单项选择题(本大题共26小题,每小题1分,共26分) 在每小题列出的四个备选项中只有一个是符合题目要求的,请将其代码填写在题 ...

汉语（普通话）的音素对齐

汉语（普通话）的音素对齐相关推荐

最新文章

热门文章