Forum - Czekając na godocza...

Forum / Linux / Czekając na godocza...

Autor	Wiadomość
ethanak	Posted: 6 Paź 2008 07:53:05 Witam. JakiĹ czas temu Ivo Software obiecaĹ, Ĺźe bÄdzie wersja Ivony dla normalnego linuksowego uĹźytkownika (tzw. "Ivona Desktop"), dostÄpna we wcale przystÄpnej cenie. Jako Ĺźe akurat miaĹem jeden swĂłj projekcik w stanie raczej rozsypanym, stwierdziĹem Ĺźe poczekam sobie na tÄ IvonÄ, kupiÄ na spokojnie i bÄdÄ uĹźywaĹ. A tu guzik... na obiecankach siÄ skoĹczyĹo :( A wersja demo (ktĂłrÄ kiedyĹ sobie ĹciÄgnÄĹem) juĹź mnie wkurzyĹa. No wiÄc pomyĹlaĹem sobie Ĺźe nie bÄdÄ czekaÄ aĹź siÄ panowie z Ivo zlitujÄ i napiszÄ jednostronnicowÄ licencjÄ (bo do tego siÄ ich czynnoĹci w przypadku Ivony Desktop sprowadzajÄ) i wrĂłcÄ do swojego projektu. Na razie Milena (system TTS z MbrolÄ jako silnikiem mowy) jest w stanie wysoce pierwotnym, ale tu akurat czas na konsultacje. Przede wszystkim - czy coĹ takiego w ogĂłle jest potrzebne? I jeĹli tak, to czy moje zaĹoĹźenia sÄ sĹuszne? BÄdzie mi miĹo jeĹli ktoĹ parÄ uwag napisze... Program (i krĂłtki opis) jest tu: http://milena.polip.com/ ethanak PS. Dyskusje na temat tego "czy to spam" juĹź mamy za sobÄ, w tej chwili nie chodzi o gotowy program ale raczej o coĹ "in statu nascendi", i interesuje mnie to, czy komukolwiek siÄ to przyda. JeĹli nie - po prostu nie bÄdzie nastÄpnej wersji, dla moich potrzeb to co jest absolutnie mi wystarcza.
Krzysztof Drewicz	Posted: 6 Paź 2008 21:16:09 Witam. Jaki? czas temu Ivo Software obieca?, ?e b?dzie wersja Ivony dla normalnego linuksowego u?ytkownika (tzw. "Ivona Desktop"), dost?pna we wcale przyst?pnej cenie. A Ivona Telekom to już jest, i chyba jest drobny problem, bo jeśli wydać ivonę desktopową, to khem, bardzo łatwo będzie można taką desktopową zaprząc do pracy "Telekom", jako choćby TTS w IVRze. kd, ps. projekt moim skromnym jest dość potrzebny. Szkoda że głosów (w sensie polskich, dostępnych w sieci) jest mało.
ethanak	Posted: 7 Paź 2008 04:47:33 Dnia Mon, 06 Oct 2008 21:52:26 +0000, Mikolaj Machowski napisaĹ(a): [...] Dalej - stworzenie gĹosu nie jest sprawÄ ĹatwÄ. Praktycznie trzeba dysponowaÄ studiem nagraniowym (najtaĹsze w Warszawie jakie znalazĹem to 25zĹ/h) E tam - wystarczy dobry mikrofon i cokolwiek do nagrywania dĹşwiÄku. WytĹumienie pomieszczenia wystarczajÄce do nagrania jest bardzo proste nawet w amatorskich warunkach, a przy uĹźyciu profesjonalnego mikrofonu nagĹownego moĹźe siÄ nawet okazaÄ niepotrzebne. i kimĹ z dobrym gĹosem. O, to, to. Niestety - osoby dysponujÄce dobrym gĹosem jakoĹ siÄ do takiej pracy nie palÄ :( ChociaĹź pewnie byĹoby to moĹźliwe do zrealizowania - musiaĹbym pogadaÄ ze znajomÄ paniÄ od dykcji, czy daĹoby siÄ zagonic studentĂłw do czegoĹ takiego w ramach ÄwiczeĹ :) Nawet przyjmujÄc, Ĺźe lektorem byĹby entuzjasta to kilka godzin pracy w studio to minimum. Chyba jak czytaĹeĹ to Ci gdzieĹ zero umknÄĹo - ja czytaĹem o kilkudziesiÄciu :( Notabene strona mbroli wyglÄda na martwÄ od jakiegoĹ czasu i nawet nie wiadomo czy jakby im siÄ podesĹaĹo dane to stworzyliby z tego gĹos. A czy to musi byÄ koniecznie Mbrola? Kurde, daj mi porzÄdny materiaĹ dĹşwiÄkowy (tzn. coĹ takiego jak plik gĹosu dla Mbroli tyle Ĺźe opisany), to jak nie ja to ktĂłryĹ z kumpli napisze syntezator. A jednego ochotnika to bym nawet miaĹ :) Mbrola ma jednÄ wadÄ - zamkniÄtoĹÄ. I ja bym by ostroĹźny w wiÄzaniu siÄ z czymĹ takim. ethanak PS. CzÄĹÄ z tego co pisaĹeĹ na priv lÄduje juĹź w Milenie, dam znaÄ jak wylÄduje.
Mikolaj Machowski	Posted: 7 Paź 2008 17:10:46 ethanak napisał: [...] Dalej - stworzenie głosu nie jest sprawą łatwą. Praktycznie trzeba dysponować studiem nagraniowym (najtańsze w Warszawie jakie znalazłem to 25zł/h) E tam - wystarczy dobry mikrofon i cokolwiek do nagrywania dźwięku. Wytłumienie pomieszczenia wystarczające do nagrania jest bardzo proste nawet w amatorskich warunkach, a przy użyciu profesjonalnego mikrofonu nagłownego może się nawet okazać niepotrzebne. Im lepsze warunki nagrania i gostek na konsoli tym może być gorszy lektor. i kimś z dobrym głosem. O, to, to. Niestety - osoby dysponujące dobrym głosem jakoś się do takiej pracy nie palą :( Chociaż pewnie byłoby to możliwe do zrealizowania - musiałbym pogadać ze znajomą panią od dykcji, czy dałoby się zagonic studentów do czegoś takiego w ramach ćwiczeń :) IMO to odpada. Żeby uzyskać dobry efekt to musi być jedna osoba. Nawet przyjmując, że lektorem byłby entuzjasta to kilka godzin pracy w studio to minimum. Chyba jak czytałeś to Ci gdzieś zero umknęło - ja czytałem o kilkudziesięciu :( Różnica jakości między głosem profesjonalnym i amatorskim. Oczywiście im więcej tym lepiej, ale w rzeczywistości danych nie musi być tak dużo. Przyjmijmy, że rzeczywiście jest ok. 1000 difonów dla języka polskiego. By dobrze nagrać oznacza to ok. 1000 słów, 10 znaków na słowo, ostatecznie wypada ok. 6 stron maszynopisu (z górką). To jest pół godziny spokojnego czytania. Zróbmy trochę redundancji, rozgrzewek, i w kilka godzin się zmieścisz. Też czytałem o kilkudziesięciu w kontekście Ivony. Ale popatrz - plik danych dla pl1 to 5 MB, cała Ivona dla Linuksa to 46 MB. Nawet biorąc pod uwagę ekstra biblioteki dla GUI wychodzi na to, że głos jest sporo większy. Podejrzewam, że nagrywają dużo więcej danych i wybierają sobie z kilku difonów w zależności od kontekstu by uzyskać lepszą jakość. Oficjalnie Ivona jest oparta na difonach ale podejrzewam, że praktycznie są to dialofony (chyba że zupełnie nie rozumiem zagadnienia i difony to są dialofony). Notabene strona mbroli wygląda na martwą od jakiegoś czasu i nawet nie wiadomo czy jakby im się podesłało dane to stworzyliby z tego głos. A czy to musi być koniecznie Mbrola? Kurde, daj mi porządny materiał dźwiękowy (tzn. coś takiego jak plik głosu dla Mbroli tyle że opisany), to jak nie ja to któryś z kumpli napisze syntezator. A jednego ochotnika to bym nawet miał :) Daj mi porządny korpus i miejsce/sprzęt a zaryzykowałbym nagranie go :) Głos mam marny, ale gdyby mieć taki przykład to możliwe chyba byłoby namówienie kogoś z lepszym na zrobienie wersji 2.0. Osobna kwestia to dobre pocięcie plików. Może dałoby się skontaktować z ludźmi z PJWSTK - głos stworzyli w 1999 więc kariery na tym zdążyli chyba zrobić. Nie muszą siedzieć na materiałach do końca świata :/ Mbrola ma jedną wadę - zamkniętość. I ja bym by ostrożny w wiązaniu się z czymś takim. Pełna racja. m.
Mikolaj Machowski	Posted: 7 Paź 2008 18:26:52 Mikolaj Machowski napisał: Jest lista fonemów i alofonów (141 - teoretycznie 19881 kombinacji) razem z regułami występowania (widoczne po najechaniu wskaźnikiem na odpowiednią komórkę tabeli)! Teraz trzeba "tylko": Błąd, błąd, błąd (mój): unikalnych alofonów jest tylko 80. Czyli 6400 kombinacji, z których wiele może nie występować w rzeczywistości. Taki projekt naprawdę może mieć ręce i nogi. m.
ethanak	Posted: 8 Paź 2008 05:41:14 Dnia Tue, 07 Oct 2008 18:10:30 +0000, Mikolaj Machowski napisaĹ(a): [...] FascynujÄca strona: http://free.of.pl/g/grzegorj/gram/pl/gram00.html Fakt, bardzo ciekawa - szkoda Ĺźe wczeĹniej nie zauwaĹźyĹem. Teraz trzeba "tylko": 1. rozwinÄÄ sĹownik aspella do peĹnych form - ok. 16mln o ile dobrze pamiÄtam A skÄd tyle? Morfologik zawiera coĹ koĹo 2.5M sĹĂłw, a i tak poĹowa z nich to sĹowa zĹoĹźone. 2. przerobiÄ wszystkie sĹowa na podane formy wg reguĹ ze strony 3. znaleĹşÄ wszystkie wystÄpujÄce w przyrodzie kombinacje - to byĹby nasz korpus No - do tego miejsca to mogÄ zrobiÄ. Dalej szukam ochotnikĂłw :) ethanak
ethanak	Posted: 8 Paź 2008 06:14:27 Dnia Tue, 07 Oct 2008 19:09:42 +0200, Adam Elente napisaĹ(a): [...] Drugie secundo gĹos jest do bani. A trzeba popracowac nad dynamikÄ. ZaklÄÄ, RozbawiÄ towarzystwo, czy po prostu powiedzieÄ gĹosem bajkowym czy z filmu grozy. No, ale do tego syntezator konkatencyjny siÄ raczej sĹabo nadaje. A parametryczny nie istnieje (z dokĹadnoĹciÄ do tego, Ĺźe wczoraj w barze kumpel coĹ mruczaĹ o cepstralach i innych sinusach a wiem Ĺźe tematem zainteresowany :) ) ethanak
Mikolaj Machowski	Posted: 8 Paź 2008 07:32:06 ethanak napisał: [...] Fascynująca strona: http://free.of.pl/g/grzegorj/gram/pl/gram00.html Fakt, bardzo ciekawa - szkoda że wcześniej nie zauważyłem. Teraz trzeba "tylko": 1. rozwinąć słownik aspella do pełnych form - ok. 16mln o ile dobrze pamiętam A skąd tyle? Morfologik zawiera coś koło 2.5M słów, a i tak połowa z nich to słowa złożone. Ups. To było 16MB objętości, nie wierszy :) 2. przerobić wszystkie słowa na podane formy wg reguł ze strony 3. znaleźć wszystkie występujące w przyrodzie kombinacje - to byłby nasz korpus No - do tego miejsca to mogę zrobić. Dalej szukam ochotników :) Mógłbym spróbować taki korpus nagrać. Lub przynajmniej jego wersję testową na potrzeby pisania syntezatora. To co mnie naprawdę przeraża to wycinanie kilku tysięcy difonów z plików dźwiękowych. Wracając do liczby kombinacji - znalazłem jeszcze taką stronę: http://forum.jzn.pl/viewtopic.php?p=842 gdzie jest podniesiony problem, że oficjalna lista alofonów nie jest całkiem prawdziwa. Np. wg listy na podanej przeze mnie stronie d i g na końcu wyrazu mają takie same alofony jak odpowiednio t i k (pad - pat, mag - mak). Trzeba by więc tę listę trochę zmodyfikować ale i tak sądzę, że możliwe jest zmieszczenie się w 10000 kombinacji - z czego pewnie "tylko" 1/3 występuje w słowniku. m.
ethanak	Posted: 8 Paź 2008 08:51:43 Dnia Wed, 08 Oct 2008 10:44:33 +0200, Adam Elente napisaĹ(a): No - do tego miejsca to mogÄ zrobiÄ. Dalej szukam ochotnikĂłw :) ale czemu nie chcesz kupic gĹosu? A dlaczego miaĹbym kupowaÄ gĹos? Nie mowie, ze od razu. Mozna zaczÄÄ np. od jakiĹ ochotnikĂłw, ale gĹosu i tak nie ominiesz. CzytaĹeĹ co poprzednio napisaĹem? Przypominam, Ĺźe syntezatory formantowe jakoĹ obywajÄ siÄ bez gĹosu ;) ethanak
ethanak	Posted: 8 Paź 2008 09:41:38 Dnia Wed, 08 Oct 2008 07:40:01 +0000, Mikolaj Machowski napisaĹ(a): [...] Na Äwiczeniach z dykcji moĹźna by nagrywaÄ kilka osĂłb i wybraÄ tÄ, ktĂłrej nagranie jest najlepsze. JeĹli nawet zaĹoĹźymy Ĺźe studenci poĹwiÄcÄ godzinÄ tygodniowo na nagranie - po semestrze masz juĹź caĹkiem pokaĹşny materiaĹ dĹşwiÄkowy. Niejednorodny. Mam silne przypuszczenie, Ĺźe jakoĹÄ gĹosu PJWSTK jest wĹaĹnie owocem takiej zbiorowej pracy. No ale ja mĂłwiÄ o wybraniu nagraĹ jednego studenta :) ZresztÄ - jedyne miejsce gdzie taki eksperyment mĂłgĹbym przeprowadziÄ jest jakieĹ 600 km ode mnie czyli i tak sprawa na razie maĹo aktualna. "Giordano" nie jest polskim wyrazem i nawet "nasz" syntezator mĂłgĹby mieÄ spore problemy z prawidĹowÄ wymowÄ tego typu zapoĹźyczeĹ. ZarĂłwno Ivona(Ewa) jak i Milena nie ma Ĺźadnego problemu. SwojÄ drogÄ jak powinien siÄ zachowywaÄ w takich wypadkach (pomijam wpisanie caĹej listy wyjÄtkĂłw do bazy)? Zapis fonetyczny. A akurat Giordano na tyle czÄsto siÄ spotyka, Ĺźe moĹźna go spokojnie wpisaÄ do udict. giordan(o\|a\|ie) dĹźiordan% Przy bardziej popularnych moĹźna nawet do pho.dat Ja czÄĹÄ roboty mogÄ zrobiÄ, chociaĹź przyznam siÄ Ĺźe duĹźo lepiej siÄ czujÄ w tej czÄĹci przetwarzania tekstu ktĂłra siedzi przed syntezatorem i wolaĹbym zajÄÄ siÄ tym na czym siÄ lepiej znam :) Ja mogÄ zaoferowaÄ gĹos i ewentualnie benedyktyĹskÄ robotÄ przy jego ciÄciu :) Nawet zdolnoĹci programistycznych do stworzenia korpusu nie mam (choÄ to doĹÄ proste chyba jest - tak na oko) :/ . Nie powinno byÄ specjalnie skomplikowane. ethanak


° Forum ° Odpowiedz ° Rejestracja ° Szukaj °