码云 Gitee IDE 全新上线——支持 Git 管理的轻量在线编码环境
Watch Star Fork

maxmon / GeekPwnTTSJavaScriptApache-2.0

加入码云
与超过 300 万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
This is src code of textToSpeech.
Loading...
README.md 3.10 KB

GeekPwnTTS

This is src code of textToSpeech.

https://gitee.com/ko-orz/GeekPwnTTS/

用法说明

  1. util中的splitWav&silentWav.js可以做到切分原始语音,变成多个语音片段;
  2. util中的pinYinUtil.js可以提取中文的拼音;
  3. util中的getPinYinCount.js可以判断音节归档的完成度;
  4. textToSpeech.js生成语音文件

技术说明

语音去噪

  1. 判断语音数据中是否有连续的低于阈值的部分;
  2. 有就直接将这部分声音置零;

语音分割

  1. 将停顿点作为语音分割点;
  2. 将语音切割为多个语音片段;

语音平滑处理

  1. 找到语音片段的开头波段和结尾波段;
  2. 判断波段是否在0附近,不在的话,剔除改周期,直到下周起的0值;
  3. 这样处理以后,就不会出现波段不平滑,周期不自然的情况;

音节识别(未实现)

  1. 将切好的语音与预设的语音作比较;
  2. 相似度高则判定通过;
  3. 需要通过HMM(Hidden Markov Model)/GMM(Gaussian Mixture Model)等的知识;
  4. 需要训练音节模型;

归档音节

  1. 自动归档识别好的音节;
  2. 不仅是音节,还要做好整字,整词,整句的归档,提高可识别度;
  3. 本处直接采用了人工归档,就是一个一个听,然后右键保存啦O(∩_∩)O;

录音器材猜想(未实现)

  1. 通过直接录取不同频率的声音,建模会更好处理,因为现在的录音设备是把不同频率混在一起了,很难分离;
  2. 该录音器可以参考人的耳蜗,是旋涡形状的,越到内部识别越高频率的声音,越外面识别月低评率的声音;

切词,产生顿挫感觉

  1. 导入大量网络文本资源;
  2. 建立一个字典,把文字循环丢入字典中;
  3. 直接将出现次数最多的组合作为一个词;
  4. 出现较少的可以通过TFIDF算法来提升这个词的权重;
  5. 项目还未完善,本处直接使用了jieba切词;

参考资料

  1. 声纹鉴定能否鉴定经过变声器的声音?
  2. 什么是共振峰?
  3. 音频特征提取————常用音频特征
  4. 理解快速傅里叶变换(FFT)算法
  5. 用最简单的方式实现FFT
  6. Notes on the FFT
  7. FFT算法介绍
  8. 视音频数据处理入门
  9. 声纹识别特征的特征参数提取
  10. 中国汉子有多少个发音?
  11. 国语拼音对照表
  12. wav格式解析
  13. 世界上十个最伟大的公式

项目点评 ( 0 )

你可以在登录后,发表评论

搜索帮助