API接口如何处理多音字比如”还（hai2）不还（huan2）钱“
Oceannew opened this issue · comments
API接口如何处理多音字比如”还（hai2）不还（huan2）钱“ 。两个还出来的是一样的发音。
{
"input": "还不还钱",
"voice": "",
"prompt": "",
"language": "zh_us",
"model": "emoti-voice",
"response_format": "mp3",
"speed": 1.0
}
导出的MP3：https://github.com/netease-youdao/EmotiVoice/assets/37178037/f9a19d84-9b63-4adf-9c62-e8663c8cb0a7
It is a good question! Perhaps you could follow these steps:
-
Generate phonetic transcriptions from the text '还不还钱' by using
python frontend.py data/text. This will yield phonetic results like '<sos/eos> h ai2 sp1 b u4 sp1 h ai2 sp1 q ian2 <sos/eos>'. -
Adjust the phonetic results as needed, for example: '<sos/eos> h ai2 sp1 b u4 sp1 h huan2 sp1 q ian2 <sos/eos>'.
-
Perform TTS inference using
python inference_am_vocoder_joint.py --logdir prompt_tts_open_source_joint --config_folder config/joint --checkpoint g_00140000 --test_file data/text_tts.
I have provided an example of my experiment for your reference.
这是个好问题！也许您可以按照以下步骤操作：
- 使用 从文本 '还不还钱' 生成音标。这将产生语音结果，例如 '<sos/eos> h ai2 sp1 b u4 sp1 h ai2 sp1 q ian2 <sos/eos>'。
python frontend.py data/text- 根据需要调整拼音结果，例如：“<sos/eos> h ai2 sp1 b u4 sp1 h huan2 sp1 q ian2 <sos/eos>'。
- 使用 执行 TTS 推理。
python inference_am_vocoder_joint.py --logdir prompt_tts_open_source_joint --config_folder config/joint --checkpoint g_00140000 --test_file data/text_tts我提供了一个我的实验示例供您参考。
那我该如何去判断是h ai2还是h uan2呢，在input参数的文本上添加标记么。比如：“input”： “还(h ai2)不还(h uan2)钱”。然后去修改frontend.py中的方法去判断吗？