節日2.4：爲什麼有些聲音不適合唱歌模式？

voice_kal_diphone and voice_ral_diphone在唱歌模式下正常工作（聲音輸出和音高對於指定的音符是正確的）。節日2.4：爲什麼有些聲音不適合唱歌模式？

voice_cmu_us_ahw_cg和其他CMU聲音不能正常工作 - 有聲音輸出但音高不會根據指定的音符更改。

是否有可能獲得更高質量CMU聲音的正確輸出？

爲工作（瀝青類受影響的）輸出的命令行是：

text2wave -mode singing -eval "(voice_kal_diphone)" -o song.wav song.xml

非工作的命令行（俯仰不受影響）輸出爲：

text2wave -mode singing -eval "(voice_cmu_us_ahw_cg)" -o song.wav song.xml

這裏的song.xml：

<?xml version="1.0"?> 
<!DOCTYPE SINGING PUBLIC "-//SINGING//DTD SINGING mark up//EN" "Singing.v0_1.dtd" []> 
<SINGING BPM="60"> 
<PITCH NOTE="A4,C4,C4"><DURATION BEATS="0.3,0.3,0.3">nationwide</DURATION></PITCH> 
<PITCH NOTE="C4"><DURATION BEATS="0.3">is</DURATION></PITCH> 
<PITCH NOTE="D4"><DURATION BEATS="0.3">on</DURATION></PITCH> 
<PITCH NOTE="F4"><DURATION BEATS="0.3">your</DURATION></PITCH> 
<PITCH NOTE="F4"><DURATION BEATS="0.3">side</DURATION></PITCH> 
</SINGING>

您可能還需要這個補丁到singing-mode.scm：

@@ -339,7 +339,9 @@ 
(defvar singing-max-short-vowel-length 0.11) 

(define (singing_do_initial utt token) 
- (if (equal? (item.name token) "") 
+ (if (and 
+  (not (equal? nil token)) 
+  (equal? (item.name token) "")) 
     (let ((restlen (car (item.feat token 'rest)))) 
     (if singing-debug 
      (format t "restlen %l\n" restlen))

要設置我的環境，我使用了festvox fest_build script。您也可以download voice_cmu_us_ahw_cg separately。

來源

2015-12-02 Beau

你有沒有建立自己的聲音？「voice_cmu_us_ahw_cg」在當前的語音列表中不可用。如果它是社區的聲音，那麼它可能還處於測試階段。 –

@kiran：我使用了festvox.org的「fest_build」腳本：http://festvox.org/fest_build，具體的聲音可以在這裏找到：http://festvox.org/packed/festival/2.4/voices/festvox_cmu_us_ahw_cg .tar.gz – Beau

「這個軟件沒有做我想做的事」並不是一個真正的編程問題，但我不能因爲獎勵而將其作爲題外話題。除非你試圖編寫代碼來修復它，否則這似乎是一個通用的軟件問題。 – TessellatingHeckler

看來問題出在手機世代。

voice_kal_diphone使用UniSyn合成模型，而voice_cmu_us_ahw_cg使用ClusterGen模型。最後一個有自己的語調和持續時間模型（基於狀態），而不是電話語調/持續時間：可能你注意到生成的「歌曲」中的持續時間沒有改變。

singing-mode.scm試圖提取每個音節並修改其頻率。在ClusterGen的情況下，由於不同的建模，模型波發生器會簡單地忽略在Target中設置的音節頻率和持續時間。

因此，我們有更好的語音質量（基於統計模型），但不能直接改變頻率。

生成管道的很好的描述可以找到here。

來源

2015-12-11 21:18:00 avtomaton

節日2.4：爲什麼有些聲音不適合唱歌模式？

回答

相關問題