TTS-møte 21.1.2021

Til stades: Inga, Katri, Tommi, Sjur

Sidan sist + diskusjon

Katri:

• testa automatisk alignment med ei lydbok
• tekstprosessering: alle forkorta uttrykk må ekspanderast, til full tekst
  • dette trengst så tidleg som mogleg
• Tommi har eksperimentert på finsk:

echo "esimerkiks juoksevaa tekstii" | hfst-lookup src/phonetics/text2ipa-fin.lookup.hfst 
hfst-lookup: warning: It is not possible to perform fast lookups with OpenFST, std arc, tropical semiring format automata.
Using HFST basic transducer format and performing slow lookups
> esimerkiks juoksevaa tekstii        ʔesimerkiks juokseʋɑː tekstiː        0,000000

echo 123456789 | hfst-lookup src/transcriptions/transcriptor-numbers-digit2text.filtered.lookup.hfstol 
> 123456789        satakaksikymmentäkolmemiljoonaaneljäsataaviisikymmentäkuusituhattaseitsemänsataakahdeksankymmentäyhdeksän        0,000000
123456789        satakaksikymmentäkolmetuhattaneljäsataaviisikymmentäkuusituhattaseitsemänsataakahdeksankymmentäyhdeksän        0,000000
echo 123456789 | hfst-lookup src/transcriptions/transcriptor-numbers-digit2text.filtered.lookup.hfstol | cut -f 2 | hfst-lookup src/phonetics/text2ipa-fin.compose.hfst 
> > hfst-lookup: warning: It is not possible to perform fast lookups with OpenFST, std arc, tropical semiring format automata.
Using HFST basic transducer format and performing slow lookups
> satakaksikymmentäkolmemiljoonaaneljäsataaviisikymmentäkuusituhattaseitsemänsataakahdeksankymmentäyhdeksän        sɑtɑkɑksikymːentækolmemiljoːnɑːneljæsɑtɑːʋiːsikymːentækuːsituhɑtːɑseitsemænsɑtɑːkɑhdeksɑnkymːentæyhdeksæn        0,000000

Katri vil nytta force aligner + Praat. Vil laga ei skisse til ipa-konvertering basert på tekst av JussiY og eksisterande materiale.

Det finst eksisterande skisser til ipa-konvertering i lang-smj/src/phonetics/.

Sjur lagar git-repo for smj

Tekstkorpus:

• genrar:
  • skjønlitteratur
  • administrative tekstar
  • læremiddel
  • nyheitstekstar (avis, NRK Sápmi, SR)
• opphavsrett:
  • om vi held oss til sitatretten burde det gå bra. Sjur sjekkar med UiT-jurist.
  • korpuset blir då ei samling sitat frå lukka kjelder + open, administrativ tekst

TODO

• Katri:
  • dokumentera force align, pipeline
  • arbeida vidare med tekstprosessering for espeak-ng
• Tommi:
  • eksperimentera vidare med tekstekspandering, prosessering
  • konvertera speech-sme frå svn til git
• Inga:
  • korrekturles tekst
  • samla inn korpusmateriale
• Sjur:
  • prat med jurist
  • lag git-repo

Neste møte: 27.1.2021 09.30 norsk tid