ข้อความที่ทำให้เกิดเสียงพูดเป็นธรรมชาติ?

ฉันกำลังมองหาซอฟต์แวร์ติดตั้งข้อความเป็นคำพูดที่ใช้งานง่ายสำหรับ Ubuntu ที่ฟังดูเป็นธรรมชาติ ฉันติดตั้งFestivalแล้วGespeakerฯลฯ แต่ไม่มีอะไรฟังดูเป็นธรรมชาติมาก ทั้งหมดสังเคราะห์มากและยากที่จะเข้าใจ

มีคำแนะนำอะไรบ้าง?

SVOX pico2wave

TTS ที่เรียบง่ายมากเสียงดีกว่า espeak หรือ mbrola (ในใจของฉัน) ข้อมูลบางอย่างที่นี่

ฉันไม่เข้าใจว่าทำไม pico2wave เทียบกับ espeak หรือ mbrola ไม่ค่อยพูดถึง มันเล็ก แต่ฟังดูดี (เป็นธรรมชาติ) คุณจะได้ยินเสียงผู้หญิงที่เป็นธรรมชาติ

และ ... เมื่อเปรียบเทียบกับ Mbrola จะรับรู้ยูนิตและพูดอย่างถูกต้อง!
ตัวอย่างเช่น:

• 2 ° C →สององศา
• 2m →สองเมตร
• 2 กิโลกรัม→สองกิโลกรัม

หลังจากการติดตั้งฉันใช้มันในสคริปต์:

#!/bin/bash
pico2wave -w=/tmp/test.wav "$1"
aplay /tmp/test.wav
rm /tmp/test.wav

จากนั้นเรียกใช้ด้วยข้อความที่ต้องการ:

<scriptname>.sh "hello world"

หรืออ่านเนื้อหาของไฟล์ทั้งหมด:

<scriptname>.sh "$(cat <filename>)"

ทั้งหมดนี้คือ TTS ที่ใช้งานได้น้ำหนักเบาและเสถียรบน Ubuntu

SpeakIt!

ฉันเชื่อว่าฉันได้พบซอฟต์แวร์ TTS ที่ดีที่สุดฟรีโดยใช้ส่วนขยายของ Google Chrome ที่ชื่อว่า "SpeakIt" ใช้งานได้เฉพาะในเบราว์เซอร์ Chrome สำหรับฉันบน Ubuntu ไม่ทำงานกับ Chromium ด้วยเหตุผลบางอย่าง SpeakIt มาพร้อมกับเสียงผู้หญิงสองคนซึ่งทั้งสองฟังดูสมจริงมากเมื่อเทียบกับทุกอย่างที่อยู่ในนั้น มีอย่างน้อยสี่เสียงชาย & หญิงในรายการส่วนขยายของ Chrome หากคุณค้นหา Chrome เว็บสโตร์โดยใช้ "TTS" เป็นข้อความค้นหาของคุณ

การใช้งาน : สำหรับใช้บนเว็บไซต์ คุณเน้นข้อความที่คุณต้องการอ่านและคลิกขวาและ "SpeakIt" หรือคลิกไอคอน SpeakIt ที่เชื่อมต่อกับแถบด้านบนของ Chrome

ผู้ใช้ Firefox มีสองตัวเลือก ในส่วนเสริมของ Firefox ทำการค้นหา TTSและคุณควรพบ "คลิกพูด" และ "ข้อความเป็นเสียง" เสียงไม่ดีเท่าเสียง Chrome SpeakIt แต่ใช้ได้อย่างแน่นอน

นามสกุล SpeakIt ใช้เทคโนโลยี iSpeech และราคา $ 20 ต่อปีเว็บไซต์สามารถแปลงข้อความเป็นไฟล์เสียง MP3 คุณสามารถป้อนข้อความ URL ฟีด RSS รวมถึงเอกสารเช่น TXT DOC และ PDF และส่งออกเป็น MP3 คุณสามารถสร้างพอดแคสต์ฝังเสียง ฯลฯนี่คือลิงก์และตัวอย่างเสียงของพวกเขา (ไม่ทราบว่าลิงก์จะมีอายุการใช้งานนานเท่าใด)

Pico และ Espeak นั้นสนุกและง่ายต่อการทำงาน แต่มันก็ไม่ได้ดีทั้งหมด เสียงเริ่มต้นของเทศกาลก็ไม่ค่อยดีเช่นกัน อย่างไรก็ตาม Festival เป็นกรอบการพูดตามโครงร่างซึ่งนักวิจัยจำนวนหนึ่งได้สร้างเสียงปลั๊กอินที่ดีกว่ามาก คุณสามารถเหนือกว่าคุณภาพ pico2wave ในอูบุนตูได้อย่างง่ายดายเพราะหนึ่งในเสียงนั้นมีให้ใช้งานเป็นแพ็คเกจสำเร็จรูป

ในการทำให้เทศกาลเป็นเสียงที่เป็นธรรมชาติต่อไปนี้เป็นสิ่งที่ต้องทำ:

sudo apt-get install festival
sudo apt-get install festvox-us-slt-hts
festival -i
festival> (voice_cmu_us_slt_arctic_hts) 
festival> (SayText "Don't hate me, I'm just doing my job!")

คุณสามารถทำได้จากบรรทัดคำสั่งโดยใช้-b(หรือ--batch) และวางแต่ละคำสั่งลงในเครื่องหมายคำพูดเดี่ยว:

festival -b '(voice_cmu_us_slt_arctic_hts)' \
    '(SayText "The temperature is 22 degrees centigrade and there is a slight breeze from the west.")'

คุณสามารถรับเสียงอื่น ๆ ได้ค่อนข้างดีจากที่เก็บ Nitech แต่การติดตั้งเป็นเสียงสุดท้ายและเส้นทางเริ่มต้นเปลี่ยนไปดังนั้นชื่อไฟล์ที่อ้างอิงในไฟล์ชุดร่างอาจต้องแก้ไขด้วยตนเองเพื่อให้ทำงานบน Ubuntu ได้

Google ™ TTS อย่างง่าย

อัปเดตจากหน้าโครงการ (2019-02) : โครงการนี้ไม่มีการระบายในปัจจุบันและจะยังคงอยู่ในอนาคตอันใกล้

เนื่องจากไม่มีทางเลือกที่ดีกว่านี้ฉันจึงเขียนสคริปต์ทุบตีที่เชื่อมต่อกับสคริปต์ Perl โดย Michal Fapsoเพื่อให้ TTS ผ่าน Google Translate จากคำอธิบายโครงการ:

ความตั้งใจคือการให้อินเทอร์เฟซที่ใช้งานง่ายเพื่อส่งออกข้อความเป็นคำพูดผ่านระบบสังเคราะห์เสียงพูดของ Google ตัวเลือกสำรองโดยใช้ pico2wave ให้การสังเคราะห์ TTS โดยอัตโนมัติในกรณีที่ไม่พบการเชื่อมต่ออินเทอร์เน็ต

wrapper รองรับการอ่านจากอินพุตมาตรฐานไฟล์ข้อความธรรมดาและการเลือก X (ข้อความที่เน้นสี)

คุณสมบัติหลักคือ:

• การสังเคราะห์ TTS ออนไลน์ผ่าน Google แปล
• การสังเคราะห์ TTS ออฟไลน์ผ่าน pico2wave
• รองรับภาษาที่แตกต่างหลากหลาย
• สามารถอ่านได้จาก CLI ไฟล์ข้อความและข้อความที่เน้นสี
• รองรับการอ่านข้อความที่เน้นด้วยการจัดรูปแบบคงที่ (เช่นไฟล์ PDF)

การติดตั้งและการใช้งานที่ได้รับการบันทึกในหน้าโครงการ

ฉันจะดีใจถ้าคุณได้ลอง รายงานข้อผิดพลาดและข้อเสนอแนะอื่น ๆยินดีต้อนรับ!

ฉันดูสูงและต่ำสำหรับข้อความที่เป็นคำพูดสำหรับ Ubuntu ที่มีคุณภาพสูง ไม่มีเลย สายเสียงของฉันจะเป็นอัมพาตดังนั้นผมจึงจำเป็น TTS เพื่อเพิ่มคำแนะนำการใช้เสียงของฉันวิดีโออูบุนตู คุณจะได้รับข้อความที่มีคุณภาพสูงเชิงพาณิชย์ลินุกซ์ซอฟแวร์การพูดที่นี่ มันแพงจริงๆ ฉันลงเอยด้วยการซื้อ Natural Reader สำหรับ Windows (ไม่ทำงานใน Ubuntu ภายใต้ Wine) ในราคา $ 40 หลังจากนั้นฉันจะได้รับ Linux

ฉันได้ทำการวิจัยเกี่ยวกับเสียงที่ดีที่สุดและปรับข้อความเป็นเสียงพูดได้อย่างง่ายดาย ด้านล่างนี้เป็นรายการสิ่งที่ฉันคิดว่าเป็นผลิตภัณฑ์ 5 อันดับแรกตามลำดับคุณภาพเสียง เว็บไซต์ส่วนใหญ่ที่เกี่ยวข้องกับผลิตภัณฑ์เหล่านี้มีการสาธิตเชิงโต้ตอบที่จะช่วยให้คุณตัดสินใจได้เอง

1. NeoSpeech
2. IVONA
3. Acapela
4. เสียงที่เป็นธรรมชาติของ AT&T
5. เสียง CereProc

ฉันพบเสียงของ Nitech HTS ในงานเทศกาลที่เป็นธรรมชาติมากและให้ความสะดวกสบายกับเสียงอื่น ๆ ที่ฉันเคยได้ยิน ดูลิงค์นี้เกี่ยวกับวิธีการตั้งค่า Nitech และเสียงอื่น ๆ ที่มีในงานเทศกาล ฉันไม่พบ gui ที่ดีที่ฉันสามารถใช้เพื่อกำหนดค่าเสียงเหล่านั้น แต่การตั้งค่าผ่านทาง festival.scm ยังคงใช้งานได้ โพสต์นั้นเก่ามากและคุณอาจต้องการค้นหาไดเรกทอรีการติดตั้งจริงโดยใช้คำสั่ง "ค้นหาเทศกาล"

รวมเครื่องมือ SVOX (pico) กับ LibreOffice:

เครื่องมือ SVOX (pico) ติดตั้งง่ายและนำเสียงคุณภาพดีมาใช้ใน Ubuntu ติดตั้ง:

sudo apt-get install libttspico0 libttspico-utils libttspico-data

คุณสามารถใช้ LibreOffice ร่วมกับเครื่องมือ SVOX (pico) โดยติดตั้งส่วนขยาย "อ่านข้อความ"และคุณได้รับ "GUI" สำหรับซอฟต์แวร์ TTS ที่ยอดเยี่ยมนี้:

ตั้งค่าตัวเลือก Read Text Extensionพร้อมเครื่องมือ - ส่วนเสริม - อ่านตัวเลือก ....ใช้/ usr / bin / pythonเป็นโปรแกรมภายนอก เลือกตัวเลือกบรรทัดคำสั่งที่มีโทเค็น(PICO_READ_TEXT_PY)คุณอาจต้องการทดลองใช้บางส่วน

ตอนนี้คุณต้องเลือกข้อความบางส่วนใน LO Writer, Calc, Impress หรือ Draw และคลิกบนไอคอนที่เพิ่มเป็นแถบเครื่องมือ (ใบหน้าที่มีความสุขกับลูกโป่ง)

นี่คือสิ่งที่ฉันทำเพื่อให้ได้เสียงพูดที่เป็นธรรมชาติอย่างแท้จริงสำหรับไฟล์ PDF และไฟล์ข้อความอื่น ๆ (โซลูชันอื่น ๆ นั้นไม่เป็นธรรมชาติหรือเป็นบริการชำระเงิน) อันที่จริงแล้วมันใช้งานได้กับโครเมียมหรือโครเมียม แต่ใช้งานได้ง่ายและรวดเร็ว

1. ติดตั้งSpeakIt! ส่วนขยายบนโครเมียมหรือโครเมียมของคุณ
2. ติดตั้งโปรแกรมดู PDFหากคุณใช้โครเมียม (Chrome มีโปรแกรมดูไฟล์ PDF อยู่ฟรีแล้ว) และทำเครื่องหมายที่ตัวเลือก 'อนุญาตในโหมดไม่ระบุตัวตน' และ 'อนุญาตการเข้าถึง URL ไฟล์' ในการตั้งค่าส่วนขยายของ Chromium
3. ลากและวางไฟล์ PDF ของคุณไปยังเบราว์เซอร์
4. ตอนนี้เน้นข้อความและคลิกขวาและเลือก SpeakIt! เพื่อให้คุณสามารถฟังข้อความที่เป็นธรรมชาติบริสุทธิ์

นอกจากนี้ยังมีวิธีการเปิดไฟล์อื่น ๆ เช่น. doc และ. txt ใน chrome และทำได้เช่นเดียวกัน มีส่วนขยายอื่นสำหรับ Chrome ที่ดูไฟล์ pdf ตรวจสอบว่าเหมาะกับคุณดีกว่าหรือไม่ นอกจากนี้คุณสามารถอัปโหลดข้อความทุกประเภทใน Google Drive และใช้ SpeakIt! เพื่ออ่านให้คุณฟัง ส่วนขยายอื่นที่เรียกว่า 'พูดข้อความ' ทำงานในลักษณะเดียวกันและมีคำพูดที่เป็นธรรมชาติ

เมื่อค้นหาเครื่องมือ tts ที่ดีกว่าเพื่อใช้กับโหมดการเล่าเรื่องใหม่ของfirefox 49ฉันพบpico tts (svox) - โปรแกรม TTS ที่ฉันโปรดปราน

sudo apt install espeak libttspico0 libttspico-data libttspico-utils

จะเปลี่ยนระบบเครื่องมือสังเคราะห์เสียงพูดที่เป็นค่าเริ่มต้นได้อย่างไร

ผู้คนที่ arch linuxพาฉันไปยังเส้นทางที่ถูกต้อง:

ยกเลิกการใส่ข้อคิดเห็นโมดูลที่คุณชอบและทำให้เป็นค่าเริ่มต้นในการตั้งค่าตัวถอดเสียงพูด:

# sudo vim /etc/speech-dispatcher/speechd.conf

[...]
# -----OUTPUT MODULES CONFIGURATION-----
# Each AddModule line loads an output module.
#AddModule "espeak"       "sd_espeak"   "espeak.conf"
AddModule "pico-generic"  "sd_generic"   "pico-generic.conf"

[...]
#DefaultModule espeak
DefaultModule pico-generic

รีสตาร์ท daemon:

# sudo systemctl restart speech-dispatcher.service

แต่เมื่อเริ่มต้น Firefox อีกครั้งไม่มีอะไรเกิดขึ้น ตามลิงค์ด้านบน (โพสต์ฟอรั่มโค้ง # 10 และ # 16) ทำงานร่วมกับเทศกาล (ไม่ได้ลอง) แต่ตัวเลือกคำพูดสำหรับ pico ไม่มีรายการเสียงที่พร้อมใช้งาน มันจะไม่ทำงาน

ความคิดใด ๆ ออกมาจะได้รับการชื่นชมอย่างมาก ;-)

โปรแกรมอ่านออกเสียงข้อความที่ชื่นชอบเรียกว่า Magic English แต่เช่นเดียวกับ Natural Reader ที่กล่าวถึงโดย Joe Steiger เป็นโปรแกรม Windows และฉันไม่แน่ใจว่าจะทำงานภายใต้ Wine หรือไม่

AT&T Natural Voicesพร้อมใช้งานออนไลน์เป็นตัวอย่าง แต่นั่นเป็นวิธีแก้ปัญหามากกว่าโซลูชัน ...

Google ™ TTS อย่างง่าย

Pico, mbrola, cmu, เทศกาล, flite, SUCK ทั้งหมดในปี 2560 (พวกมันยอดเยี่ยมมากในช่วง 90s) คำพูดตามธรรมชาติของ AT&T (ซึ่งยอดเยี่ยมมาก) ไม่ใช่การใช้ร่วมกับ linux และไม่ฟรีดังนั้นเราจึงใช้ Google

git clone https://github.com/Glutanimate/simple-google-tts.git
sudo apt install xsel libnotify-bin libttspico0 libttspico-utils libttspico-data libwww-perl libwww-mechanize-perl libhtml-tree-perl so$
cd simple-google-tts
sudo ln -s `pwd`/simple_google_tts /usr/local/bin
simple_google_tts en "Text to speech is now installed"
cd -

gtts

gTTS ( Google Text-to-Speech ), ห้องสมุด Python และเครื่องมือ CLI เพื่อเชื่อมต่อกับ API ข้อความเป็นคำพูดของ Google Translate เขียนพูดmp3ข้อมูลไปยังแฟ้มวัตถุไฟล์เหมือน (bytestring) stdoutสำหรับการจัดการเสียงเพิ่มเติมหรือ

จุดด้อย : CLI เท่านั้น จำเป็นต้องออนไลน์เพราะต้องขอไปยังจุดปลายเปิดสาธารณะของ Google

sudo -H pip install gTTS  # Install

การใช้

gtts-cli 'hello' --output hello.mp3
gtts-cli -l es 'Nadie es patria, todos lo somos' | play -t mp3 -

เอกสารและตัวอย่างเพิ่มเติม

คนอื่น ๆ

^{บางคนถูกกล่าวถึงแล้ว}

• ล้อเลียน การติดตั้ง:

  sudo apt-get install gcc make pkg-config automake libtool libasound2-dev
  git clone https://github.com/MycroftAI/mimic.git # take a while
  cd mimic
  ./dependencies.sh --prefix="/usr/local" # take a while
  ./autogen.sh
  ./configure --prefix="/usr/local"
  make # take a while
  make check
  

• eSpeak + Gespeaker (GUI) ( ซอร์สโค้ด Gespeaker )

  จุดด้อย : เก่าและน่าเกลียด

  sudo apt install espeak gespeaker
  

• Firefox
  • Google Translate, ImTranslator, พจนานุกรม, TTS โดย Smart Link Corporation
• โครเมียม
  • ข้อความเป็นคำพูดที่ทำให้เกิดผลผลิต
  • SpeakIt!

สำหรับสิ่งที่ฉันสร้างลำโพงอัจฉริยะ - ส่วนขยายสำหรับ Google Chrome มันสามารถอ่านหน้าได้โดยไม่ต้องเลือก (เมื่อการกักตัวข้อความถูกต้อง)