58 bình luận
Chia sẻ
Bài nổi bật
Bổ xung một chút về bài viết để các mem hiểu 1 chút về cơ chế phát âm:
- Database của bộ TTS tiếng Việt không quá 1MB, rất ngạc nhiên.
- Công cụ phát triển cho tiếng Việt mình chỉ biết là dùng festvox và festival. Bởi vì 2 công cụ này sử dụng phương pháp tổ hợp di-phone. Trên lý thuyết, phương pháp tổ hợp di-phone có thể phát âm được mọi loại ngôn ngữ. Giải thích 1 chút cho dễ hiểu:
*Giả sử Tiếng Việt mình phát âm từ "hai":
- Mỗi phát âm mỗi chữ "h", "a", "i",... tất cả các chữ trong bảng chữ cái được gọi là 1 phone.
- Kết hợp giữa 2 phone gọi là di-phone. "h-a" là 1 di-phone, "a-i" là 1 di-phone. Như vậy ta chỉ cần ngồi liệt kê ra tất cả các di-phone của Tiếng Việt là ta có bộ di-phone rồi. Tuy nhiên vì Tiếng Việt có điểm đặc biệt (?) nên sau khi lọc bớt (chuẩn hóa) đi chỉ còn 1024 (tôi không nhớ chính xác, nhưng chỉ hơn 1 ngàn di-phone thôi). Việc chuẩn hóa này phải cần kiến thức rất sâu của ngành ngôn ngữ học.
- Sau khi có được 1024 di-phone rồi người ta sẽ thu âm 1024 di-phone đó.
-Khi phát âm, chương trình sẽ ghép các di-phone vào nhau. Ví dụ "hai" sẽ được ghép là: ha-ai.
- P/s: Trước kia mình còn chút thơi gian rảnh nên nghiên cứu làm thử, cũng chưa đến nơi đến chốn, có gì sai các bác cứ ném gạch 😁
- Database của bộ TTS tiếng Việt không quá 1MB, rất ngạc nhiên.
- Công cụ phát triển cho tiếng Việt mình chỉ biết là dùng festvox và festival. Bởi vì 2 công cụ này sử dụng phương pháp tổ hợp di-phone. Trên lý thuyết, phương pháp tổ hợp di-phone có thể phát âm được mọi loại ngôn ngữ. Giải thích 1 chút cho dễ hiểu:
*Giả sử Tiếng Việt mình phát âm từ "hai":
- Mỗi phát âm mỗi chữ "h", "a", "i",... tất cả các chữ trong bảng chữ cái được gọi là 1 phone.
- Kết hợp giữa 2 phone gọi là di-phone. "h-a" là 1 di-phone, "a-i" là 1 di-phone. Như vậy ta chỉ cần ngồi liệt kê ra tất cả các di-phone của Tiếng Việt là ta có bộ di-phone rồi. Tuy nhiên vì Tiếng Việt có điểm đặc biệt (?) nên sau khi lọc bớt (chuẩn hóa) đi chỉ còn 1024 (tôi không nhớ chính xác, nhưng chỉ hơn 1 ngàn di-phone thôi). Việc chuẩn hóa này phải cần kiến thức rất sâu của ngành ngôn ngữ học.
- Sau khi có được 1024 di-phone rồi người ta sẽ thu âm 1024 di-phone đó.
-Khi phát âm, chương trình sẽ ghép các di-phone vào nhau. Ví dụ "hai" sẽ được ghép là: ha-ai.
- P/s: Trước kia mình còn chút thơi gian rảnh nên nghiên cứu làm thử, cũng chưa đến nơi đến chốn, có gì sai các bác cứ ném gạch 😁
hay hay hay và hay...bác nào biết phần mềm học t.anh nào nữa post lên cho mọi người cùng biết nhé...
Các bạn cho mình hỏi, máy mình đã cài mSPdict , sau khi mình cài text to speech của google thì mSPdict có thể đọc được từ bằng tts của google. Nhưng giọng google dở quá nên mình cài thêm IVONA Text-to-Speech HQ, chuyển Ivona thành Default engine nhưng cái mSPdict không đọc bằng text to speech được trong khi mấy phần mềm đọc khác sử dụng engine của nó thì đọc được, khi chuyển Default về lại cho Pico của Google thì mSPdict đọc được bình thường?
Ai giúp mình với. thanks!
Ai giúp mình với. thanks!
Bài mới
- Chịu trách nhiệm nội dung: Trần Mạnh Hiệp
- © 2024 Công ty Cổ phần MXH Tinh Tế
- Địa chỉ: Số 70 Bà Huyện Thanh Quan, P. Võ Thị Sáu, Quận 3, TPHCM
- Số điện thoại: 02822460095
- MST: 0313255119
- Giấy phép thiết lập MXH số 11/GP-BTTTT, Ký ngày: 08/01/2019