zhaojiajin / scalable-tts Goto Github PK

scalable multiple tts识别

plan1:

1. 收集多平台tts单个字符发音文件，放置到同一文件夹下，命名规则：char.platform.otherinfo.mp3, 例如A.google.monica.mp3

1.1. 统计已经有的tts资源，找出缺失资源并补充

1.2. 按照命名规则对下载到的资源进行格式化

2. 编写合并音频脚本，脚本能够指定输出文件夹，生成音频总数

3. 编写shell脚本（为了防止每个人训练方法不同导致最后model不能互用），包含

3.1. 调用生成音频脚本

3.2. sox生成频谱图

3.3. 调用train.py训练model

3.4. 压缩生成的model文件

3.5. 上传model文件，每个人就有多个model可用

4. 使用方法：选择一个model进行classify，上传submitty后拿出错误的再经过第二个model，一直到使用过所有model

plan2: 训练单个字符的model

1. 针对单个字符进行model训练（利用plan1的tts资源）

2. 编写classify脚本，传入音频文件（8个字符的），可以实现

2.1. 静音切割

2.2. 切割后音频转频谱图并识别

2.3. 合并识别结果并输出

3. 上传model文件和classify脚本