TTS-møte 4.11.2021

Til stades: Katri, Sjur, Flammie, Inga

Sidan sist

• Flammie:
  • divvun-phon er no ferdig, inkl for xml-pipeline
• Sjur:
  • har enno ikkje fått svar frå NRK om studio - kva gjer vi? Sjur ringjer Pål Hivand.
  • acro2ipa fungerer for:
    • NRK + kasus
    • NAV + kasus
    • kommentar frå Inga: det skal no for tida vera: NAV:aj vs SANAG:ij echo ‘NAV:jda’ | hfst-lookup -q acro2ipa.lookup.hfst
      NAV:jda naːvaida
• Katri:
  • allt möjligt med planering av inspelningarna:
    • instruktioner till stemmene (GDocs)
  • tekstkorpus statistikk, visualisering
  • gått igenom mer dokumentation om lulesamisk fonologi och fonetik
    • fixat text2ipa regler och testat konvertering
  • börjat med en presentation om smj-tts med Canada/UiT co-op
  • lagt till lite mer/alternativ engelsk tekst till tekstcorpus
  • fortsätter med Tacotron eksperiment när Saga är ok igen
  • Framover:
    • Testtekst for tekstprosessering: speech-smj-minicorpus/XXX/*Cleaned.txt
    • Priorisera tekster som är mest läsarvänlig? T. ex. lagtekster är svårt att läsa
    • Översätt prompter till lulesamisk
    • Läs som det står i teksten?
    • Tempo: kanske tempo lite som “TV eller radio nyheter” men naturlig prosodi/intonation
    • Norsk/svensk variety: ortografi, lånord…
    • Se på engelska teksten
• Inga:
  • fjernet gjentakende tekst i news- og bloggkategorien
  • oppdatert statestikk
  • truffet en av stemmene

Andre merknader:

• Alt for mye tekst?
• Sende dette til stemmene, i hvilket format? PDF?
• Skrive om lesehastighet, gjøre noe med lesehastighet/lesevennlighet?
• kommentar til instruksjonene: tempo? Forsøke å lese det som står selv om de kanskje ikke ville si det slik.

Burde vi konvertera smj-tekst til Area/SWE med tanke på den eine stemmegjevaren? Burde vera mogleg å gjera automatisk.

Neste steg

• Katri:
  • fortsätter med Tacotron (lang-sme-ml-speech)
  • normalizing of numbers
  • rydda i engelsk tekst, sei til Inga kva som har vorte rydda
• Sjur:
  • byggja ut ipakonvertinga og testinga av henne
  • starta tesktprosessering av heile TTS-korpuset, trekkja ut ABBR m.m. som ikkje blir normalisert
  • datoprosessering med årstal
  • definera ipa-alfabet for syntesen
  • dela opp sme-tekst i setningar
  • kontrakt og lisens
  • ringja NRK
  • konvertera tekst til Area/SWE?
  • gjera teksten klar for å bli sendt til stemmegjevarane
• Tommi:
  • IPA-konvertering i hfst-cg-pipeline
• Inga:
  • begynne med pressemelding
  • leggja til smj-forkortingar
  • dato skal til nominativ

Neste møte

11.11.2021 09.30 norsk tid