构建数据集思路
1.覆盖尽量多的"东西".
"东西"可能是字, 拼音, 音节, 需要请教.
2.详细了解录音环境, 老师的倾向. 进行传统语音信号统计.
3.使用教育下慢音时, 如何设计语料.
4.额外思考如何使用学习强国中标准的文章版TTS数据.
构建TTS标准数据集
1.建立文件夹Maybe_ObscureMoon
2.解压文件夹zhaodan_2200.zip
把解压出来的文件都cp到Maybe_ObscureMoon/Wave中
for x in ./*.wav
do
b=${x##*/}
#sox $b -r 22050 tmp_$b
#rm -rf $b
mv $b ../Wave
done
一共有2125个文件, 但是编号是从1.wav到2200.wav, 中间有断的, 原因?
3.信息
这是OM的:
这是BB的:
4.处理文本.
特征1:
发现汉字有繁体的, 不要紧吧.
特征2:
没有标点符号,但是有空格作为间隔.
使用xlsx2csv.py
然后把以前的都放在__raw_data_tookit文件夹:
文本就按照LJSpeech的来, 因为它用的比较广泛. (其实也不用, 反正都得转, 每次都写一个文本处理就好)
1.%05d的写法, 补全数字.
2.两个文本, 一个norm前, 一个normlize后.
统计数据集特征
变成和标贝一样, 以LJSpeech采样率等靠齐.
bash LikeLJSpeech_PinYin.sh