You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
|
3 years ago | |
---|---|---|
.. | ||
phkit | 3 years ago | |
README.md | 3 years ago | |
requirements.txt | 3 years ago | |
run_local.py | 3 years ago | |
setup.py | 3 years ago | |
test.py | 3 years ago |
README.md
phkit
phoneme toolkit: 拼音相关的文本处理工具箱,中文和英文的语音合成前端文本解决方案。
安装
pip install -U phkit
版本
v0.2.8
pinyinkit
文本转拼音的模块,依赖python-pinyin,jieba,phrase-pinyin-data模块。
chinese
适用于中文、英文和中英混合的音素,其中汉字拼音采用清华大学的音素,英文字符分字母和英文。
- 中文音素简介:
声母:
aa b c ch d ee f g h ii j k l m n oo p q r s sh t uu vv x z zh
韵母:
a ai an ang ao e ei en eng er i ia ian iang iao ie in ing iong iu ix iy iz o ong ou u ua uai uan uang ueng ui un uo v van ve vn ng uong
声调:
1 2 3 4 5
字母:
Aa Bb Cc Dd Ee Ff Gg Hh Ii Jj Kk Ll Mm Nn Oo Pp Qq Rr Ss Tt Uu Vv Ww Xx Yy Zz
英文:
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
标点:
! ? . , ; : " # ( )
注:!=!!|?=??|.=.。|,=,,、|;=;;|:=::|"="“|#=# |(=(([[{{【<《|)=))]]}}】>》
预留:
w y 0 6 7 8 9
注:w=%|y=$|0=0|6=6|7=7|8=8|9=9
其他:
_ ~ - *
symbol
音素标记。 中文音素,简单英文音素,简单中文音素。
sequence
转为序列的方法,文本转为音素列表,文本转为ID列表。
拼音变调,拼音转音素。
pinyin
转为拼音的方法,汉字转拼音,分离声调。
拼音为字母+数字形式,例如pin1。
phoneme
音素映射表。
不带声调拼音转为音素,声调转音素,英文字母转音素,标点转音素。
number
数字读法。
按数值大小读,一个一个数字读。
convert
文本转换。
全角半角转换,简体繁体转换。
style
拼音格式转换。
国标样式的拼音和字母数字的样式的拼音相互转换。
english
from https://github.com/keithito/tacotron " Cleaners are transformations that run over the input text at both training and eval time.
Cleaners can be selected by passing a comma-delimited list of cleaner names as the "cleaners" hyperparameter. Some cleaners are English-specific. You'll typically want to use:
- "english_cleaners" for English text
- "transliteration_cleaners" for non-English text that can be transliterated to ASCII using the Unidecode library (https://pypi.python.org/pypi/Unidecode)
- "basic_cleaners" if you do not want to transliterate (in this case, you should also update the symbols in symbols.py to match your data).
历史版本
v0.2.8
- 文本转拼音轻声用5表示音调。
- 文本转拼音确保文本和拼音一一对应,文本长度和拼音列表长度相同。
- 增加拼音格式转换,国标格式和字母数字格式相互转换。
v0.2.7
- 所有中文音素都能被映射到。
v0.2.5
- 修正拼音转音素的潜在bug。
v0.2.4
- 修正几个默认拼音。
v0.2.3
- 汉字转拼音轻量化。
- 词语拼音词典去除全都是默认拼音的词语。
v0.2.2
- 修正安装依赖报错问题。
v0.2.1
- 增加中文的text_to_sequence方法,可替换英文版本应对中文环境。
- 兼容v0.1.0(含)之前版本需要在python3.7(含)版本以上,否则请改为从phkit.chinese导入模块。
v0.2.0
- 增加文本转拼音的模块,依赖python-pinyin,jieba,phrase-pinyin-data模块。
- 中文的音素方案移动到chinese模块。
v0.1.0
- 增加英文版本的音素方案,包括英文字母和英文音素。
- 增加简单的数字转中文的方法。
todo
文本正则化处理
数字读法
字符读法
常见规则读法
文本转拼音
pypinyin
国标和alnum转换
anything转音素
字符
英文
汉字
OOV
进阶:
分词
命名实体识别
依存句法分析