hundun000 / nicokara-tool

NicokaraTool

由程序为歌词生成注音（含NLP判断多音字的读音），并以NicokaraMaker的格式（@Ruby）输出。

1. 为日语汉字注音假名

由kuromoji提供日语NLP。

2. 为繁体字注音粤拼/耶鲁拼音

由pycantonese-server提供粤语NLP。

日语使用例

在data/example-japanese.txt放入歌词文本。仅支持无时间戳的形式。

大切な思い出を
ギュっと抱いて進もう
「ありがとう」も「大好き」も
まだまだ言い足りないでしょ
坂道は続いてく
どのぐらい登った(きた)のかな？
あせらないで大丈夫
進む場所は間違ってないよ

重なる声
あと一歩が重くなるけど

假设不存在data/example-japanese.rootHint.json（以下简称rootHint.json），运行JapaneseServiceTest，程序输出为：

@Ruby1=言,い
@Ruby2=一,ひと
@Ruby3=場所,ばしょ
@Ruby4=歩,ほ
@Ruby5=大切,たいせつ
@Ruby6=重,かさ,[00:00:00],[99:99:99] // TODO
@Ruby7=重,おも,[00:00:00],[99:99:99] // TODO
...
@Ruby17=登,のぼ
...

当出现一个汉字多种读法时，将生成rootHint.json:

{
  "kanjiHints" : [ {
    "kanji" : "重",
    "pronounceHints" : [ {
      "pronounce" : "かさ",
      "rubyLines" : [ "かさ,[00:00:00],[99:99:99] // from 重なる" ]
    }, {
      "pronounce" : "おも",
      "rubyLines" : [ "おも,[00:00:00],[99:99:99] // from 重く" ]
    } ]
  } ],
  "nluDisallowHints" : null
}

需要用户手工修改rootHint.json：

• 令"重"="かさ"作为默认注音，即不标注时间戳；令"重"="おも"在指定时间区间内生效；
• 新增"登"="き"的特殊读法

{
  "kanjiHints" : [ {
    "kanji" : "重",
    "pronounceHints" : [ {
      "pronounce" : "かさ",
      "rubyLines" : [ "かさ" ]
    }, {
      "pronounce" : "おも",
      "rubyLines" : [ "おも,[02:14:37],[02:18:10]" ]
    } ]
  }, {
    "kanji" : "登",
    "pronounceHints" : [ {
      "pronounce" : "き",
      "rubyLines" : [ "き" ]
    } ]
  }],
  "nluDisallowHints" : null
}

再次运行运行JapaneseServiceTest，此时输出变为：

...
@Ruby6=重,かさ
@Ruby7=重,おも,[02:14:37],[02:18:10]
...
@Ruby17=登,き
...

粤语使用例

在data/example-cantonese.txt放入歌词文本。支持行首行尾时间戳的形式。

[00:21.961]攔路雨偏似雪花 飲泣的你凍嗎
[00:26.464]這風褸我給你磨到有襟花[00:28.464]

运行CantoneseServiceTest，程序输出为：

@Ruby1=你,néih
@Ruby2=飲泣,yám yāp
@Ruby3=風褸,fūng lāu
...
@Ruby19=襟,kām

rootHint.json的作用和日语情况类似。对于粤语，可设置nluDisallowHints传给pycantonese，详见pycantonese文档。

此处nluDisallowHints使得“似雪花”在NLP中理解为“似/雪花”而非“似雪/花”

{
  "kanjiHints" : [ ],
  "nluDisallowHints" : [ "似雪" ]
}