自然語言及語音處理項(xiàng)目式教程 課件7.3.2-1數(shù)據(jù)預(yù)處理

基于PaddleSpeech實(shí)現(xiàn)新聞自動播報文本前端處理合成聲學(xué)模型聲碼器合成結(jié)果評測文本前端處理了解CSMSC數(shù)據(jù)集的相關(guān)內(nèi)容奠定基礎(chǔ)文本前端處理流程CSMSC數(shù)據(jù)集由專業(yè)播報員錄制的，具有較高的語音質(zhì)量，適用于訓(xùn)練高質(zhì)量的語音合成系統(tǒng)。專業(yè)播報員錄制數(shù)據(jù)集包含拼音和漢字文本，便于訓(xùn)練和評估各種基于拼音或漢字的語音合成和語音識別模型。數(shù)據(jù)標(biāo)簽數(shù)據(jù)集包含各種主題和領(lǐng)域的文本，有助于訓(xùn)練出更具泛化能力的模型。多樣化文本內(nèi)容CSMSC數(shù)據(jù)集已經(jīng)開源，對學(xué)術(shù)研究和商業(yè)應(yīng)用具有較高的價值。開源可用特點(diǎn)CSMSC數(shù)據(jù)集CSMSC數(shù)據(jù)集是一個有價值的中文普通話語音數(shù)據(jù)集，適用于訓(xùn)練和評估各種中文TTS和ASR系統(tǒng)。文本前端處理流程構(gòu)建文本前端文本前端模塊文本正則化字音轉(zhuǎn)換構(gòu)建文本前端的類使用Frontend類構(gòu)造文本前端對象，該類的常用參數(shù)說明。參數(shù)名稱參數(shù)說明phone_vocab_path接收str，表示指定音素詞典文件的路徑或位置。默認(rèn)為PaddleSpeech中提供的中文音素詞典文件的位置字音轉(zhuǎn)換的函數(shù)Frontend類的frontend.get_input_ids函數(shù)可以將文本轉(zhuǎn)換為音素ID序列，其常用參數(shù)說明。參數(shù)名稱參數(shù)說明text接收str，表示待轉(zhuǎn)換的文本序列，以字符串形式傳入。無默認(rèn)值merge_sentences接收bool，表示是否將多個句子合并為一個句子。默認(rèn)為Trueprint_info接收bool，表示是否打印調(diào)試信息。默認(rèn)為False文本前端處理合成聲學(xué)模型聲碼器合成結(jié)果評測合成聲學(xué)模型01聲學(xué)模型自回歸模型預(yù)測過程相對較慢，但音質(zhì)表現(xiàn)較好02非自回歸模型預(yù)測速度快，但音質(zhì)可能稍遜色一些合成聲學(xué)模型使用自回歸模型中的FastSpeech2作為聲學(xué)模型，在分句的基礎(chǔ)上構(gòu)建FastSpeech2模型。構(gòu)建FastSpeech2模型輸出Mel頻譜構(gòu)建FastSpeech2模型使用PaddleSpeech中的FastSpeech2類構(gòu)建聲學(xué)模型，該類的常用參數(shù)說明。參數(shù)名稱參數(shù)說明idim接收int，表示輸入維度，即詞表大小。無默認(rèn)值odim接收int，表示輸出維度，即音頻特征維度。無默認(rèn)值**FastSpee