标签: speech-synthesis

我已经编写了一个小型的Android Demo来使用不同语言的TTS.我有两个按钮,西班牙语和英语的布局.按下按钮会触发所选语言的发声.

但是,我无法更改语言(setLanguage(Locale locale)).我可以手动完成,使用手机设置并将TTS语言更改为美国,英国,意大利,德国等,但我的代码似乎不起作用.你能告诉我问题出在哪里吗？

谢谢!!

package com.ignacio.SpeakAPP;

import android.app.Activity;
import android.os.Bundle;
import android.speech.tts.TextToSpeech;
import android.speech.tts.TextToSpeech.OnInitListener;
import android.util.Log;
import android.view.View;
import java.util.Locale;

public class SpeakAPPActivity extends Activity implements OnInitListener {
private static final String TAG = "TextToSpeechDemo";
private TextToSpeech mTts;
public boolean Passer = false;

/** Called when the activity is first created. */
@Override
public void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.main);
}

/** Handle the action of the English Button **/
public boolean talknowEN(View v)
{

    mTts = new TextToSpeech …

我尝试创建一个文本视频,其中文本通过文本到语音进行叙述.

要创建的视频文件,我用VideoFileWriter的Aforge.Net是以下几点:

VideoWriter = new VideoFileWriter();

VideoWriter.Open(CurVideoFile, (int)(Properties.Settings.Default.VideoWidth),
    (int)(Properties.Settings.Default.VideoHeight), 25, VideoCodec.MPEG4, 800000);

要大声朗读文本,我使用SpeechSynthesizer类并将输出写入波流

AudioStream = new FileStream(CurAudioFile, FileMode.Create);
synth.SetOutputToWaveStream(AudioStream);

我想突出显示视频中的单词,所以我通过SpeakProgress事件同步它们:

void synth_SpeakProgress(object sender, SpeakProgressEventArgs e)
{

    curAuidoPosition = e.AudioPosition;
    using (Graphics g = Graphics.FromImage(Screen))
    {
         g.DrawString(e.Text,....); 
    }                    
    VideoWriter.WriteVideoFrame(Screen, curAuidoPosition);
}

最后,我使用合并视频和音频 ffmpeg

using (Process process = new Process())
{
        process.StartInfo.FileName = exe_path;
        process.StartInfo.Arguments = 
            string.Format(@"-i ""{0}"" -i ""{1}"" -y -acodec copy -vcodec copy ""{2}""", avi_path, mp3_path, output_file);

        // ...
}

问题是,对于像微软Hazel,Zira和David这样的声音,在Windows 8.1中,视频与音频不同步,音频比显示的字幕快得多.但是,对于Windows …

我创建了一个具有语音语音功能的应用程序,使用AVSpeechSynthesizer和显示AVSpeechSynthesisVoice: speechVoices()TableView中函数的语言列表.用户可以从TableView中选择语音语言.

我想要实现的下一件事是添加语音性别,以便用户可以在Siri app中切换默认的男性或女性声音.我不想让它变得复杂,只是寻找默认的男性或女性声音.

返回的声音speechVoices()具有特定于每个声音的默认男声或女声.

我能改变它吗？我已经UIPickerView在应用设置页面上放置了男声和女声之间的选择.

但是,我做了一些研究,但没有找到任何文件.似乎在最新的iOS版本之前没有这样的支持.

到目前为止,有没有人试图实现这样的功能？

正如一个人能够使用各种语音到文本的"听写"工具将口语转换成相应的文本,我想知道是否有类似的工具将口语转换成相应的SSML.也就是说,除了与说话者的声音中存在的任何语调,韵律,暂停/休息,变形等相关的相关SSML标签之外,它还将提供文本.

我现在正在制作智能家居控制系统,我有一点问题.我正在考虑将Cosmos用于基本系统,并为其添加所需的命名空间库,但由于通常的System.Speech.Recognition命名空间过分依赖于Windows Speech API,我不得不忘记使用它.

所以我的问题是,是否有任何(如果可能的话免费)语音识别和/或语音合成器库用于C#,具有以下内容:

• 支持多语言发言
• 从语音样本中提取文本内容
• 用可选择的(或用户编写的)语音模式(语音)合成语音

一般用法,非Windows依赖库是最好的,当然,如果它也是免费的.

什么文本语音和语音识别库可用于Clojure？到目前为止我发现了

https://github.com/klutometis/speech-recognition

https://github.com/klutometis/speech-synthesis

这两者都使用谷歌,因此依赖于网络.

我正在寻找那些不依赖互联网工作的人

该语音合成API允许文本到语音功能的浏览器测试版.但是,浏览器会自动播放TTS请求的结果.如何访问音频结果以进行后处理并禁用API的默认行为？

所以我试图向 SpeechSynthesizer 添加一种新语言，特别是挪威语，但它似乎没有安装。

发现这个： Add another voice into .NET Speech （但这里的问题是不支持捷克语）

我已经从这里安装了挪威语包：http : //www.microsoft.com/en-us/download/details.aspx?id=27224

在我的代码中，我使用它来检查它是否已安装：

     foreach (var voice in speaker.GetInstalledVoices())
        {
            Console.WriteLine(voice.VoiceInfo.Description);
        }

但它只输出： Microsoft Zira Desktop - 英语（美国）

检查了文本到语音转换工具，这也是唯一的选择。还尝试注销/登录并重新启动计算机。

有人知道怎么修这个东西吗？

我正在玩Chrome的speechSynthesis

msg = new SpeechSynthesisUtterance("some text");
msg.lang = "fr-FR" ;
window.speechSynthesis.speak(msg);  

当我发现这个奇怪的问题时:如果您的设备处于离线状态,它就不能再说了.我在网上搜索但没有找到任何解释.
这不能离线工作吗？
(如果你知道它需要在线的原因,请在评论中告诉我.)

我努力把苹果语音合成音频单元的东西(只适用于MacOS的,不是的iOS)到AudioKit,我已经建立了一个AKSpeechSynthesizer类(最初由wangchou在此创建pull请求)和演示项目都可以在发展AudioKit的分支.

我的项目与这个可可语音合成示例非常相似,但在这个项目中,速率变量可以在每分钟的低字数(40)到高数字(300 ish)之间平滑变化和变化.但是,我的项目以默认速率175开始,任何更改都会使速率降低到爬行速度 - 除非您将其更改为350,否则速度会超快.

我不知道我在做什么与这个例子有什么不同,因为两个项目都依赖

SetSpeechProperty(speechChannel, kSpeechRateProperty, newRate as NSNumber?)

设定费率.

这是我的实施和工作.

最大的区别是我的合成器被设置为音频单元,而我认为工作示例只使用默认输出到扬声器.

频率(音调)或调制(pitchMod)的其他参数也表现出奇怪的行为,但它们不那么引人注意,而且这两个项目的工作都有点滑稽.

有人可以告诉我为什么我的工作不起作用或通过拉取请求修复它？任何帮助将在代码中受到高度赞赏和归属.

谢谢!