G2P LSTM
Líkan rittákns-til-fónems, oftast kallað g2p-líkan (e. grapheme to phoneme model) er vörpun rittákna yfir í fónem (stundum kallað hljóðan).
Þetta er svo notað af talgervlum.
Þetta g2p tól notar tauganet sem byggir á LSTM (Long short-term memory) og notar fairseq (Facebook AI Research Sequence-to-Sequence) tólið.
Uppsetning:
Hægt er að sækja lstm-g2p tólið beint af GitLab síðunni, eða með skipanalínutólinu git:
git clone https://gitlab.com/icelandic-lt/tts/g2p-lstm.git
Tólið notar conda umhverfi.
Búa má til nýtt umhverfi í möppu tólsins:
conda env create -f environment.yml
Hugsanlega þarf að frumstilla conda með skel (t.d. bash):
conda init bash
Og virkja svo með:
conda activate fairseq-lstm
Eins er hægt að slökkva á conda umhverfi með:
conda deactivate
ath. ef þú vilt ekki að conda sé alltaf virkt, t.d. eftir endurræsingu:
conda config --set auto_activate_base false
Notkun:
Til að prófa getum við búið til textaskjal með orðinu “hlaupa” (ath. skipta verður öllum orðum í einstaka stafi):
echo "h l a u p a" > wordlist.txt
Því næst er hægt að prófa að keyra g2p vörpun:
cat wordlist.txt | ./transcribe_ice_standard wordlist_g2p_standard.out wordlist_g2p_standard.tsv
Svo má t.d. skoða .tsv úttakið:
cat wordlist_g2p_standard.tsv
Sem ætti að gefa eftirfarandi hljóðritun:
