text-to-speech の前処理のメモ

1494 ワード
Text-to-Speech Text-to-Speech テキストリンク

自前で text-to-speech したい場合, テキスト(transcript)の前処理が必要になるケースがあります.

英語を想定します.

たとえば 42 -> forty-two など(こういうのを全体的に何と呼ぶのかはわかっておりませんが, keithito tacotron では cleaner という呼び方をしていますね)

keithito's tacotron の text/clearner.py が参考になります.

既存の tts サービスなどはこのあたりを対応していますね.

数字の展開

Python ですと inflect ライブラリがあります(keithito tacotron も inflect を呼んでいる)

短縮形の展開

Dr. -> doctor など. いくつかは keithito tacotron で自前でやっています.

You've -> You have など. contractions ライブラリがあります.

その他参考になりそうなもの

spaCy で全部よろしくやってくれるかしら? https://spacy.io/

突き詰めると NLP の世界になってきますね.

TODO

  • spelling correction
  • 数式を word に展開したい(1/3 -> one over three など)
  • C++ で実装されたのほしい