标签: text-to-speech

将 Mbrola Voices 配置为 meSpeak 的正确方法是什么？

我已经尝试了通常的配置方法。前任：

 {
"voice_id":"us-mbrola-1",
"dict_id":"en_dict",
"dict":"~Base64 String~",
"voice":"name us-mbrola-1\nlanguage en-us\nlanguage en 8\ngender female\nphonemes en-us\ndictrules 3 6\nstressLength 170 135 205 205 0 0  245 275\npitch 140 220\nmbrola us1 us_phtrans",
"voice_encoding":"text"
}

我收到错误“未捕获的类型错误：非法调用”。请帮我正确配置它。

我正在为我的应用程序添加语音提示并在iOS 7中测试AVSpeechUtterance,但默认语音速率非常快.最低语速更容易理解.但最大音量值1太安静了!我在iPhone 4上测试了它,音量一直在变高.某些东西一定是错的,否则它将如何可用.

AVSpeechSynthesizer *synthesizer = [[AVSpeechSynthesizer alloc]init];
            NSString *mystring = [NSString stringWithFormat:@"Talk String Here %@",myObject.name];
            AVSpeechUtterance *utterance = [AVSpeechUtterance speechUtteranceWithString:mystring];
            [utterance setRate:AVSpeechUtteranceMinimumSpeechRate];
            [utterance setVolume:1];
            [synthesizer speakUtterance:utterance];

我正在制作一个语言学习网络应用程序,当你将鼠标悬停在单词上时,它会为你发音.我想访问Google Translate API的母语翻译.

我找到了这个资源,它提供http://translate.google.com/translate_tts了基本URL,tl目标语言和q查询字符串.

当我在浏览器中访问它时,这非常有用, http://translate.google.com/translate_tts？tl = zh-CN&q =你好,但我的应用的任何httprequests都会返回403 Forbidden错误.

localhost:~me $ wget" http://translate.google.com/translate_tts?ie=UTF-8&tl=en&q=hello+world "--2015-06-02 11:02:06-- http://翻译.google.com/translate_tts？ie = UTF-8&tl = en&q = hello + world 解析translate.google.com ... 173.194.123.38,173.194.123.36,173.194.123.32,...连接到translate.google.com | 173.194.123.38 |:80 ...连接.发送HTTP请求,等待响应... 403 Forbidden 2015-06-02 11:02:07错误403:禁止.

是否有一个正式的Google API,用于与传统Google Translate API的付款计划相关联的文字转语音,我还没有找到？或者是否有办法以get某种方式播放此音频？

无法在任何地方找到关于irf文件和tts(文本到语音)的任何信息,更不用说与iOS有关了.

虽然根据一些中国网站,它似乎在Android应用程序上用于GPS"音频".

那么......关于如何在iOS上使用irf文件作为音频数据库的任何想法？

样本IRF文件

-------------------------------------------

编辑:

github有一个帖子booxsdk/code/src/tts/aisound/,其中包含有关如何使用的C和C++文件:

样本IRF文件

这应该是如何让它在iOS上工作的一个重要线索,对于比我更大脑的人来说.

-------------------------------------------

编辑2:

样本C代码:

ivTTSStandardAPISample.c

// ivTTSStandardAPISample.c : Defines the entry point for the console application.
//

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include "ivTTS.h"

/* constant for TTS heap size */
//#define ivTTS_HEAP_SIZE       38000 /* ahh */
#define ivTTS_HEAP_SIZE     58000 /* ohh */

/* constant for cache allocation */
#define ivTTS_CACHE_SIZE    512
#define ivTTS_CACHE_COUNT   1024
#define ivTTS_CACHE_EXT     8

/* Message */
ivTTSErrID DoMessage()
{
/* do …

在以下场景中观察到 TTS 初始化错误，这太随机了。

• 已安装 TTS 引擎，存在语音集，并且可以从辅助功能选项播放示例 tts。

• TTS 初始化在之前初始化和播放的同一设备上随机失败。

• 在不同的设备（一加、华硕、三星）和各种 Android 操作系统版本中都观察到了这个问题。

代码片段：

公共类 TTSHandler 实现 OnInitListener {

public EPUBReader context;
private TextToSpeech tts;
private HashMap<String, String> ttsMap;
private boolean isTtsPlaying = false,shouldResume = false,initialised = false,
            ttsModeEnabled = false;
private String textToRead;
private GoogleVersionPreferences mSharedPreferences;
private AudioManager mAudioManager;


@SuppressWarnings("deprecation")
public TTSHandler(EPUBReader context){

    this.context = context;
    tts = new TextToSpeech(context,this);

}

@Override
public void onInit(int status) {
    Log.d("TTS", "onInit called");
    if(status == TextToSpeech.SUCCESS){

        initialised = true;
        Log.d("TTS", "initialised success: status …

我安装了一些带有语音选项的英语语言包（美国、英国和加拿大），我可以在 Windows 10 设置 -> 语音中访问它们，但它们没有显示在控制面板提供的文本到语音选项中，我不能使用应用程序的声音！

我只能使用默认的声音，即 David 和 Zira！

知道如何使用其他声音吗？

经过长期研究，我创建了最佳的电子书 (Epub) 阅读器。作为主要设备，我基本上使用 Windows 10 平板电脑和 Microsoft Edge 作为（Epub）阅读器。

这太棒了，太神奇了。但是......我想更好地控制“朗读”设置。包括：

1. 超过“朗读”功能 2 倍速度限制
2. 减少“朗读”功能段落之间的休息时间。

有谁知道如何做到这一点？（没有找到任何有关相关注册表项或设置文件的文档）

我想暂停/等待 for 循环，直到window.speechSynthesis.speak(audio)完成阅读文本，然后再进行下一次迭代。我有以下代码：

 var all = "Oak is strong and also gives shade \n \
    Cats and dogs each hate the other \n \
    The pipe began to rust while new \n Bye."


 sentences = all.split('\n')
      for (i = 0; i < sentences.length; i++) {
        sentence = sentences[i]
        console.log(sentences[i]);
        audio = new SpeechSynthesisUtterance(sentence)
        window.speechSynthesis.speak(audio)
         } 

现在我想要的是，每个sentences[i]打印一次。在完成sentences[i]之前不会打印 下一个window.speechSynthesis.speak(audio)，一旦语音完成，sentences[i] 则将打印下一次迭代。

那么我怎样才能让循环等到一个函数没有完成呢？

注意：我可以让它等待一个恒定的时间，但我想要一个动态的等待，即等待时间应该window.speechSynthesis.speak(audio)与完成文本所需的时间一样长。

当尝试使用 pyttsx3 时，我只能使用英语语音。我也希望能够使用荷兰语。

我已经在 Windows 设置菜单中安装了文本转语音语言包。但我仍然只能使用默认的英文语音。

我怎样才能解决这个问题？

我正在尝试在我的计算机上使用 耳语 AI。我有一个 NVIDIA GPU RTX 2060，安装了 CUDA 和 FFMPEG。

我正在运行这段代码：

import whisper

model = whisper.load_model("medium")
result = model.transcribe("venv/files/test1.mp3")
print(result["text"])

并有问题：

whisper\transcribe.py:114: UserWarning: FP16 is not supported on CPU; using FP32 instead
  warnings.warn("FP16 is not supported on CPU; using FP32 instead")

我不明白为什么不支持 FP16，因为我有一个很好的 GPU 并且安装了所有东西。任何帮助，将不胜感激。谢谢。

我安装了所有的要求，我期望耳语 AI 会使用 GPU