Talsyntes:____"För Folk I Tiden"

[Hans Linde]

Oj oj...nää..urf.. Vad är det därför inlägg. På natten ska man sova.
Hmmm, ja, visst är de otydligt, men.. nä strunta i det där "help". Det beror på att "rms" inte
är 100%ig.


Vad var det läkaren sa om de nya medicerna.
"...biodynamiskt odlad, ekologiska, svanmärkt och från ett hjälp sökande, djup troende,
handgreppligt folk, med mycket sprängkraft,ja och så var det direkt importerat från Afpakgistan.."
Hmm visst han var själv Tablian.
Nej vänta nu det där var dadlarna och mannen på torget, eller kanske inte..

Hoppas nu inte det här vållar folkstorm och brända flaggor, men skjutnadiplomater.
Visst det är ju de andra som gör sådan....(själv censur...men jag hade tänk ut nått roligt.)

Å så var det det här med talsyntes, Jag höll på att glömma det.
Nu har jag lyssnat på flera textsträngar. Dock endast ur samma manual, och kanske
en skönlitterär text är annorlunda. Bör testas mera.
Jag har inte funnit något parti där textsträngen varit allt för lång så detta önskemål
om "inteligens" är nog att skjuta över målet. Med pausering vid "and" o "or" fixar det sig.
Däremot skulle det snabba upp läsningen. Om pauseringen inte inträffade
då något räknades upp. Dvs flera repetetiva "komma" för varje ord.
Det kanske inte igentligen har så mycket med effektivitet eller läshastighet att göra,
som obehaget att vänta. Samma känsla som att vänta på PCs kvittering efter du tryckt
"enter".

Mycket text o lite vaga önskemål.

[Hans Linde]

Det är något fel med textflödet.

(Redigerat Dethär börjar jag bli osäker på. Jag har använt "fast" o "mid" där hörbarheten är begränsad.)
Ibland verkar det olinjärt, om så är det accelererande fram till pausering.
Lite osäker här.

Den stannar oförklarlikt.
exemple:
http://en.wikipedia.org/wiki/Bad_Boys_(1995_film)
Kapitel : Improvisation
"Director Michael Bay didn't like....." ca 200 ord
avbrottet sker halvvägs vid "...........to Burnett and ".

I sanna kapitel näs tsista raden stannar rösten på
"....half of the".

[Konservburk]

Det låter jätte bra, även om jag önskar "det där med inteligensen" (inte för långa sekvenser, även när det inte
finns "or" o "and"). eller jag kanske ska lyssna igen lite senare med "fullt medvetande". Dvs när min egen
intelligens...........

Så länge det finns någon vettig logik bakom så går det att ordna. T.ex. max si och så många ord innan man klipper eller liknande.

Pga detta tvivelaktiga tillstånd har jag därför lyssna "flera" ggr på:
"If you don’t like the idea of having “Favorite” applications you can simply use your panel
or your desktop to achieve the same thing and to give yourself quick access to your
applications. Simply drag & drop the application of your choice from the menu to your
panel or to your desktop." ur Linux Mint manualen.

Den första gången rösten ska säga "panel" hörs istället ca "help" och andra gången hörs
"help" eller "voice". (eller var det tvärt om)Jag är för gammal för att bli mörkrädd,
men..... lite synn ändå att "spöktimmen" har passerat .

Jag provlyssnade med rms-rösten (hastighet 1). För mig säger den i alla fall tydligt "panel".

[Konservburk]

Däremot skulle det snabba upp läsningen. Om pauseringen inte inträffade
då något räknades upp. Dvs flera repetetiva "komma" för varje ord.

Så länge det finns någon vettig logisk regel så går det att ordna. I det här fallet kanske man kan förbjuda meningar med bara ett ord, och i så fall så ihop med närliggande mening istället. Låter det som en bra idé?

[Konservburk]

Den stannar oförklarlikt.
exemple:
http://en.wikipedia.org/wiki/Bad_Boys_(1995_film)
Kapitel : Improvisation
"Director Michael Bay didn't like....." ca 200 ord
avbrottet sker halvvägs vid "...........to Burnett and ".

I sanna kapitel näs tsista raden stannar rösten på
"....half of the".

Du har hittat en liten bugg som råkade uppstå när jag tog bort att den klipper vid radbrytningar. Nu stannar den innan ett ord som innehåller en enkelfnutt, t.ex. innan Lowrey's eller day's.

Här kommer en ny tangenfil, utan den buggen:

Kod: Markera allt

#!/bin/sh
export LC_ALL=C
exec 2>&-
(setsid festival --server >&- 2>&- &)
pkill -P `pgrep -d, 'festival_'`
find ~/.mplayer -name festival.\*.fifo -type p -exec rm -f {} \;
FIFO=~/.mplayer/festival.$$.fifo
trap 'rm -f "$FIFO"' EXIT
mkdir -p "${FIFO%/*}" &&
test -p "$FIFO" || mkfifo "$FIFO"
xclip -o | sed ':1;N;s/\n/ /;t1' |
awk -F'[?.,!][ \t\n]' '{
   gsub("\\u[0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f]","")
   gsub("[ \t](and|or)[ \t\n]","\n&")
   for(i=1;i<=NF;i++) printf("%s\n", $i)
}' |
while read sentence
do until echo "$sentence" | festival_client --ttw
   do sleep 1
   done | mplayer -input file="$FIFO" -really-quiet -speed 1 -af scaletempo -demuxer rawaudio -rawaudio channels=1:rate=16000 -
done

[Hans Linde]

Jag tror det.
Man kan ju anta att det i "rösten" finns en naturlig pausering.
Jag ska ios säga att jag har hört talsyntesröster som "läser" flytande då något räknas upp,
och det är ju inte bra det häller, eftersom det är lätt att uppfatta en logisk mening, även om
ett ord försvinner. Det kan inte godkännas för enstaka ord.
Vi får prova. Om det inte duger, blir min önskning en "micro paus" i samband med,
det förslag du just framfört.

[Hans Linde]

Den nya filen är bra.

När jag ändå "petar" i små saker.
Det där lilla knäppet vid start och efter varje pausering. Går det att ta bortdet?
Det blir tydligare och mera störande med bättre akustisk återgivning.

[Konservburk]

Nu är enordsmeningar förbjudna och "knäppet" ska vara borta:

Kod: Markera allt

#!/bin/sh
export LC_ALL=C
exec 2>&-
(setsid festival --server >&- 2>&- &)
pkill -P `pgrep -d, 'festival_'`
find ~/.mplayer -name festival.\*.fifo -type p -exec rm -f {} \;
FIFO=~/.mplayer/festival.$$.fifo
trap 'rm -f "$FIFO"' EXIT
mkdir -p "${FIFO%/*}" &&
test -p "$FIFO" || mkfifo "$FIFO"
xclip -o | sed ':1;N;N;s/\n\n/.\n/;s/\n/ /;t1' |
awk -F'[ \t\n]*[?.,!][ \t\n]' '{
   gsub("\\u[0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f]","")
   gsub("[ \t](and|or)[ \t\n]","\n&")
   for(i=1;i<=NF;i++) {
      printf(" %s ", $i)
      if(i==NF || match($(i+1),"[ \t]")) {
         printf("\n")
      }
   }
}' |
while read sentence
do until echo "$sentence" | festival_client --ttw
   do sleep 1
   done | mplayer -input file="$FIFO" -really-quiet -speed 1 -af scaletempo -demuxer audio -
done

[Hans Linde]

Spännande!

Ska bara träffa läkaren som vill ge mig dödsdom.
Vi får se om jag överlever.

[Konservburk]

Nu när klickljuden försvann kan det vara värt att testa varianten med betydligt kortare pauser mellan meningarna igen:

Kod: Markera allt

#!/bin/sh
export LC_ALL=C
exec 2>&-
(setsid festival --server >&- 2>&- &)
pkill -P `pgrep -d, 'festival_'`
find ~/.mplayer -name festival.\*.fifo -type p -exec rm -f {} \;
FIFO=~/.mplayer/festival.$$.fifo
trap 'rm -f "$FIFO"' EXIT
mkdir -p "${FIFO%/*}" &&
test -p "$FIFO" || mkfifo "$FIFO"
xclip -o |
sed ':1;N;N;s/\n\n/.\n/;s/\n/ /;t1' |
awk -F'[ \t\n]*[?.,!][ \t\n]' '{
   gsub("\\u[0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f][0-9A-Fa-f]","")
   gsub("[ \t](and|or)[ \t\n]","\n&")
   for(i=1;i<=NF;i++) {
      printf(" %s ", $i)
      if(i==NF || match($(i+1),"[ \t]")) {
         printf("\n")
      }
   }
}' |
while read sentence
do until echo "$sentence" | festival_client --ttw --otype raw; do sleep 1; done
done | mplayer -input file="$FIFO" -really-quiet -speed 2 -af scaletempo -demuxer rawaudio -rawaudio channels=1:rate=16000 -

[Hans Linde]

Ja man ska ju va positiv.
Läkaren tycker jag ska egna mig 75% åt tex talsyntes.
Syn att det inte betalar sig så bra.... Men då är det ju bra att det är kul och blir bra.

För det här är bra.

Nu är det kanske inte många som lyssnar i "2.2", men du har ju lyckats påverka rösten,
även på ett posetivt sätt som jag trodde låg utanför tangentfilen och mplayers
möjligheter.
Om jag nu har förstått den funktions mässiga "ingreppet" som du gjort när
rösten accellereras så är det 1) "bara" öka hastighet, 2)kontroll avröstläge (dvs bibehållen tonläge).
Det som skulle öka hörbarheten betydligt är vad jag skulle kalla "attaken".
För ord "mamma" är det mycket tolerant, medans ord som "stuts" blir det omvänt lika
känsligt för hög hastighet. Att lägga in ett filter i Mplayer tror jag inte är tillräckligt,
utifrån de ljudtekniska erfarenheter jag har. Min gissning är att det finns något
att finna i "stigtidenkontroll" (röstintensiteten är ett sämre ord). Det blir alltså något
som "pillar" på (inte bokstav men) stavelser.
Det verkar för mig som det är något som låter sig göras i Mplayer (,kanske).

PS Om svaret är "JA". Bör det var i förhållande till "värdet" (antagligen 0.7 - 3)
satt i tangentfilen för farten på rösten. Eftersom det blir något som
blir lite olika för vad det kan tänkas komma för röster framöver. (Även dessa är
ganska olika.) Jag ser det för troligt att "den här funktionen" kan påverka röstvalet
även i "normal" hastighet.
Uuups, nej. Hoppsan heter det i Sverige. "0.7" skulle innebär behov av en acceleration,
det verkar överjobbat.

Annars har jag inga flera önskningar förtillfället.

[Hans Linde]

Attans.
Just som jag skulle luta mig tillbaka för att "avnjuta" ett längre stycke,
ur Ubunut documentationen... så hör jag något som antagligen är busenkelt.
Iaf med tanken på vad som presterats hittills.

Vid "tvingade ny rad" ska det vara en lite paus och vid "nytt stycke" en längre
paus.
Då raden är indragen är det en "överskrift/Titel" eller punkter med
detaljinformation som behöver "smältas". Var för en tid före och efter
bör avsättas. Den tiden kan sannolikt vara konstant oavsett röstens hastighet.

Det är bäst jag går och leker med katten, innan något nytt poppar upp.

[Konservburk]

Om jag nu har förstått den funktions mässiga "ingreppet" som du gjort när
rösten accellereras så är det 1) "bara" öka hastighet, 2)kontroll avröstläge (dvs bibehållen tonläge).

1) Mplayer kan öka farten med -speed <fart>.
2) Scaletempo ser till att bibehålla tonläget, -af scaletempo

Det som skulle öka hörbarheten betydligt är vad jag skulle kalla "attaken".
För ord "mamma" är det mycket tolerant, medans ord som "stuts" blir det omvänt lika
känsligt för hög hastighet.

Det är scaletempo som avgör hur det låter i slutändan vid höga uppspelningshastigheter. Vi har hittills bara använt oss av standardinställningen, som kanske inte är helt optimal när man kommer upp i fart lite. Läs till att börja med igenom det här inlägget igen:

http://www.ubuntu-se.org/phpBB3/viewtop ... 80#p251880

Att lägga in ett filter i Mplayer tror jag inte är tillräckligt,
utifrån de ljudtekniska erfarenheter jag har. Min gissning är att det finns något
att finna i "stigtidenkontroll" (röstintensiteten är ett sämre ord). Det blir alltså något
som "pillar" på (inte bokstav men) stavelser.
Det verkar för mig som det är något som låter sig göras i Mplayer (,kanske).

Jag vet inte på rak arm om det där går att göra direkt med mplayer. Om det inte går är en möjlighet är att man använder något annat program som kan fixa sånt, och sedan skickar vidare ljudet till mplayer.

[Konservburk]

Vid "tvingade ny rad" ska det vara en lite paus och vid "nytt stycke" en längre
paus.
Då raden är indragen är det en "överskrift/Titel" eller punkter med
detaljinformation som behöver "smältas". Var för en tid före och efter
bör avsättas. Den tiden kan sannolikt vara konstant oavsett röstens hastighet.

Då frågar jag mig hur man med enkel logik avgör var det finns en "tvingande nyrad", ett "nya stycken", eller en "indragning"?

[Konservburk]

Hur var det förresten, hade du testat mbrola-rösterna något? Det verkar nämligen finnas två svenska mbrola-röster att tillgå.

[micke_nordin]

Då frågar jag mig hur man med enkel logik avgör var det finns en "tvingande nyrad", ett "nya stycken", eller en "nya stycken"?

Är det så här enkelt?
*tvingande nyrad ='\n'
*nya stycken1 = "\n\n"
*nya stycken2 = "\n\t"



/Micke

[Hans Linde]

Ang Scaletempo och "inläg:16:47".
Tack för länken för "repetition". Min mentala närvaro var inte så god vid det avsnittet,
så det är välkommet med en tillbakablick. Särskilt som jag nu har ett enastånde
verktyg för texten. Jag märker dock att jag behöver en "very_slow" också. Kanske
jag inte är i bättre trim än läkaren tyckte .
Jag lyssnar, smälter och återkommer i detta.

Ang "utökad pausering" Inlägg: 16:50.
Kanske har micke_nordin rätt. Det var några tecken som jag inte kan tolka.
Själv antog jag dock att det fanns tecken som kunde tydas så att det är
ganska uppenbart (låg felmarginal) hur texten är skriven.
Kanske det kräver att ASCII-tecken läses. http://www.asciitabell.se/

Ett försök till förtydligande:
1 o 2 )ej tvingade radbyte - ingen åtgärd - radbyte sker pga text-disponeringen av applikationen,
ss sker på den här sidan. Jag utnyttjar inte den funktion eftersom jag gör igen,
ett tvingande radbyte med "enter".
2) tvingande radbyte - en tydlig pausering (ss den är nu) - radbyte pga "enter" tryckning.
3) Nytt stycke - Ännu tydligare pausering - Flera "Enter" tryckningar.
4) Ord med VERSALER/kursivt/understruket eller annat -
sägs med 20% reducerad hastighet. Jag tror inte på amplitud variationer. - Det här är förstås ord som skrivaren vill tydliggöra på detta vis.
5) Indraget , Punkterat, Numrerat - 50% hastighet ( iaf om man är så trög som jag är idag. Med tanke på scaletempo försöket. ) - Texten som följer efter något sådant behöver vanligen ackumuleras, vilket taaar tiiid.
6 ) If thereś anything that can drive you nuts. Compare to a Windows-PC. Here it is!----Bort med "plågriset"!!
Punkteringar, Vissa, om inte alla email program lämnar ett eller flera tecken framför varje rad,
då texten är bifogad (dvs "forward"). -- Sannolikt ingen slug kod som behövs för det. Men inget ringa "fot-arbete".
7) Nja jag tror jag slutar där. Nu börjar det falla in under den tidigare tänkta "punkt 4".

Allt det här förutsätter ASCII-bearbetning antar jag. Men det skulle göra det här till
något som är mera "Nestor" än gratis B-alternativ. Sånt här finns inte.
Tänk bara vilket h...... jag (och många med mig) har med att markera text-stycke
eller rad, och fått börja om för att jag tappat bort var i texten jag var pga att jag försökt
undvika denna begränsning i det som nu är tillgängligt.

Börjar jag tala om detsamma för websidor, så är jag rädd att du inser att några
av dina kompisar är välkomna att bidra i "kodningen". (Nej nu var jag för
vidlyftig.)

Inlägg: Idag, 16:53
Hur var det förresten, hade du testat mbrola-rösterna något? Det verkar nämligen finnas två svenska mbrola-röster att tillgå.
Nej, jag vet inget om vad som erbjuds inom Linux-världen för talsyntes, bortsätt
från den djupdykning vi nu gör. Men bara det att "det verkar" gör mig upprymd. Kanske
de där 75% kommer att behövas. Innebörden av det och förhoppningarna ovan är sådan
att skolor kan rimligen inte investera i annat än liknade PCs, som ASUS eeePC med eeeUbuntu.
Mao jag ska titta/lyssna på det. Har du länken? (eller RÖSTKATALOGERNA!!! (kan bli min
50år present))


Aj, det där var för mycket på en gång. Fast jag blev på gott humör.

[Konservburk]

1 o 2 )ej tvingade radbyte - ingen åtgärd - radbyte sker pga text-disponeringen av applikationen,
ss sker på den här sidan. Jag utnyttjar inte den funktion eftersom jag gör igen,
ett tvingande radbyte med "enter".
2) tvingande radbyte - en tydlig pausering (ss den är nu) - radbyte pga "enter" tryckning.
3) Nytt stycke - Ännu tydligare pausering - Flera "Enter" tryckningar.

Allt de här sakerna går lätt att identifiera. Det gäller bara att komma på hur man lägger in en något längre pause än vanligt. Möjligtvis kan man skicka en tom mening till festival. Vi får se om jag kommer på något.

4) Ord med VERSALER/kursivt/understruket eller annat -
sägs med 20% reducerad hastighet. Jag tror inte på amplitud variationer. - Det här är förstås ord som skrivaren vill tydliggöra på detta vis.

Det här är betydligt svårare på alla sätt och vis. Visst kan man hitta ord med bara versaler, men kursivering, understrykning och liknande försvinner helt i utklippet. Dessutom har jag ingen aning om hur man skulle reducera hastigheten för bara ett visst ord.

5) Indraget , Punkterat, Numrerat - 50% hastighet ( iaf om man är så trög som jag är idag. Med tanke på scaletempo försöket. ) - Texten som följer efter något sådant behöver vanligen ackumuleras, vilket taaar tiiid.

Jag är osäker på om sånt här alltid bevaras genom utklippet. Klipper du från firefox så bevaras iaf punktlistor och numrerade listor, men möjligtvis inte indragningar. Dessutom är det samma problem som tidigare med att minska farten bara för vissa ord eller meningar.

Punkteringar, Vissa, om inte alla email program lämnar ett eller flera tecken framför varje rad,
då texten är bifogad (dvs "forward"). -- Sannolikt ingen slug kod som behövs för det. Men inget ringa "fot-arbete".

Du menar att man ska plocka bort tecken som inte är bokstäver och siffror? Överallt i texten? Eller bara i början av varje rad? Båda varianterna är lätt att fixa.

[Konservburk]

Inlägg: Idag, 16:53
Hur var det förresten, hade du testat mbrola-rösterna något? Det verkar nämligen finnas två svenska mbrola-röster att tillgå.
Nej, jag vet inget om vad som erbjuds inom Linux-världen för talsyntes, bortsätt
från den djupdykning vi nu gör.

I början när vi pillade med att installera röster så fanns det en massa olika alternativ:

* diphone-röster
* mbrola-röster
* cmu-röster
* hts-röster

Jag vill minnas att du lyssnade på en del olika, dömde ut vissa som värdelösa. Andra var helt ok, men några var helt klart bäst. Hur som helst så fastnade vi för cmu-rösterna, som vi tillslut installerade. Jag har för mig att du dömde ut diphone-rösterna, men jag minns inte alls vad du tyckte om just mbrola-rösterna.

Men bara det att "det verkar" gör mig upprymd. Kanske
de där 75% kommer att behövas.

Med "verkar finnas" så menar jag att jag hittade en svensk provlyssningsfil som jag tycket lät bra. Jag har däremot varken försökt installera eller ens lokalisera själva rösterna ännu.

Innebörden av det och förhoppningarna ovan är sådan
att skolor kan rimligen inte investera i annat än liknade PCs, som ASUS eeePC med eeeUbuntu.
Mao jag ska titta/lyssna på det. Har du länken? (eller RÖSTKATALOGERNA!!! (kan bli min
50år present))

Här är provlyssningsfilen som jag hittade:

http://tcts.fpms.ac.be/synthesis/mbrola/demo/sw.wav

[Hans Linde]

Puh, när ska jag hinna lära mig om "Scaletempo"?

Ang hastighetsjustering hade jag tänkt mig något liknade (kanske inte mitt bord, men iaf..)... jo, om nu den
tänkta texten är identifierad, så laddas en reviderad tangentfil med lämplig hastighetsjustering. Det kommer att förorsaka en liten (hoppas jag) pausering pga den tid det tar, men det funkar också som ett tydliggörade av följande textsträng. Det här blir kanske mindre bra för 4) "VERSALER,mm, men den punkten är jag inte lika övertygad om sitt värde.

Ang "plågriset" i ffa email med "forward". Jag är nästa övertygade att kod om textens disponering följer med när man gör markeringar i pdf, doc, txt och andra text-document som jag är bekant med. För html , nej då vet jag inte. Email är enkelt. Om samma tecken finns först på raden de följande tre raderna = "forget it".
Att ta bort tecken som" > <" för att inte nämna "|", vore att begränsa allmänbildningen och mycket synd om det ska användas i naturvetenskapliga sammanhang. För skönlitteratur och 95% av alla email, jo. Nja vänta nu, är det inte
någon email-klient som har "=", osäker...