コマンドラインを使用して入力したテキストからの音声出力を取得する方法は?
また、発話速度、ピッチ、音量などを変更する機能単純なコマンドを使用。
降順 popularity :
say は、GNUstep音声エンジンを使用してテキストを音声に変換します。
Sudo apt-get install gnustep-gui-runtime
say "hello"
祭り 一般的な多言語音声合成システム。
Sudo apt-get install festival
echo "hello" | festival --tts
spd-say text-to-speech出力リクエストをspeech-dispatcherに送信します
Sudo apt-get install speech-dispatcher
spd-say "hello"
espeak は多言語ソフトウェア音声合成装置です。
Sudo apt-get install espeak
espeak "hello"
espeak
は素敵な小さなツールです。
私はコマンドラインでそれをいじるのが好きです。 Pulseaudioと競合する場合がありますので、適切に設定する必要のない長いワインドバージョンを使用しています。
Sudo apt-get install espeak
espeak --stdout "this is a test" | paplay
espeak --help
には、読み取り速度、ピッチ、音声などを調整するオプションが表示されます。
メモを作成するときは、メモをテキストファイルとして保存してから、次の操作を行います。
echo "these are my notes" > text.txt
espeak --stdout -f text.txt > text.wav
paplay text.wav # you should hear "these are my notes"
その後、ffmegなどで遊んで、これをPCMからMP3やOGGなどの管理しやすいものに圧縮できます。しかし、それは別の話です。
man spd-say
から:
NAME spd-say-text-to-speech出力リクエストをspeech-dispatcher SYNOPSIS spd-say [options] "に送信しますいくつかのテキスト " DESCRIPTION spd-sayは、テキストから音声への出力要求を音声ディスパッチプロセスに送信し、それを処理して理想的には結果 を出力しますオーディオシステム。 OPTIONS -r、--rate スピーチの速度を設定します(-100〜+100の間、デフォルト:0) -p、--pitch スピーチのピッチを設定します(-100から+100まで、デフォルト:0) -i、 --volume 音声の音量(強度)を設定します(-100〜+100の間、デフォルト:0)
したがって、次のコマンドでテキスト読み上げを取得できます:
spd-say "<type text>"
例:
spd-say "Welcome to Ubuntu Linux"
発話速度、ピッチ、音量などを設定 man-pageを参照することもできます。
Mbrolaは11.10。以降動作しません。
SVOX(pico)ツールは、インストールが簡単で使いやすく、Ubuntuで高品質の音声を提供します。インストールしてください:
Sudo apt-get install libttspico0 libttspico-utils libttspico-data
さらに簡単に、 "Read Text" extension をインストールすることでLibreOfficeをSVOX(pico)ツールと組み合わせて使用でき、この優れたTTSソフトウェアの "GUI"を取得できます。
Read Text Extensionのオプションを設定する Tools-Add-ons-Read selection ...を使用して、外部プログラムとして/ usr/bin/pythonを使用します。トークン(PICO_READ_TEXT_PY)を含むコマンドラインオプションを選択します。
Python Google Speach:
pip install google_speech
google_speech "Test the hello world"
Svox From Android:
apt-get install svox-pico
pico2wave --wave=test.wav "Test the hello world"
play test.wav
Svox Nanotts:
git clone https://github.com/gmn/nanotts.git
cd nanotts
make
./nanotts -v en-US "Test the hello world"
リンク-Wiki:
そしてさらに別のguiを話します:gespeaker
。 espeak
およびmbrola
エンジンの両方を使用します。また、espeak-gui
よりも多くのオプションがあります。
以下はFLOSSソリューションではありませんが、価値があると思われるかもしれません。 (wineソリューションです)、
私は個人的にTTSに非常に興味があり、かなり頻繁に使用しています。私は他のことに固執することは決してありませんだろうとりとめのない談話を聞いて(私は別のコーヒーを取得する必要があるため...)
途中で発見したいくつかのこと..または言う必要があります、途中で発見していないこと...率直に言うと:FOSSのすべての部分TTS私が試した音声ソフトウェアは標準以下であり、したがって、半時間のリスニングには不向きです...
現在、ATnTのNaturalVoicesを使用しています。 Windows(Macの場合もあります)でのみ使用できますが、Ubuntuのwine
の下で実行されます。読者から離れたときにパネルをクリックする... NatualVoicesの音声品質によって得られる利点と比較すると、これは小さな問題です。
半分理にかなったリスニング体験のために私が事実上不可欠であることがわかった他のいくつかは、...
これらのTTSプログラムはインテリジェントではありません(若いヒヒのようにインテリジェントな場合もあります)..できる限りの助けが必要です。そして、これに大いに役立つ私が見つけた1つだけのReaderプログラムがあります。このアプリはReadPlease (2003 Pro)
...と呼ばれます。単語と単語のグループをyouと発音されるように変更します...決して完璧ではありませんが、私にとっては、プロセス全体が使用可能であり、使用可能ではありません...
Natural Voicesのスピーチは「大丈夫」ですが、少し退屈です。他の優れた製品もありますが、残念ながらそれらはすべてWindows向けです。
それは時々驚くほどうまく機能します..しかし、OMG、最初は痛みです! ..だから#2は*patience...そして、あなたの「特別な言葉」リストの多くの更新...忍耐によって、私はあなた(I)が実際に慣れたということです私の特定のヒヒのスピーチパターン:)...そして、ところで、私は現在約3000の単語を持っています。
3 ..「跳ねるボールをたどる」...繰り返しますが、声は実際の話し手ほど良くないので、物事を明確にする必要がある場合があります。私が使用しているReaderプログラムには、不格好なインターフェースを我慢する機能が1つあります。画面の中心..これは、先を見たり後ろを見たりして、見逃したものをすぐに読み直すことができるという点で非常に貴重です(したがって、現在の行を自動的に中央に揃えるのは良いことです)。
まあそれは私の経験です..私は今コーヒーを作るつもりです、そしてそれをやっている間、私はそれを聞いて、それがどのように「読む」かを見るでしょう.... TTSはピックアップに驚くほど良いですタイプミス(私はタイプミスをたくさんする)...
ATnT NaturalVoicesほど優れたものがUbuntuリポジトリで見つかった場合、私はそれに飛びつきます。
Natural Voices のサンプルへのリンクは次のとおりです。「MIke」を使用します
festival
の場合(音声は私にとってより自然なようです):
Sudo apt-get install festival
echo "hello" | festival --tts
ピッチと速度の構成:
~/.festivalrc
を作成:
(Parameter.set 'Audio_Command "play -b 16 -c 1 -e signed-integer -r $SR -t raw $FILE tempo 1.5 pitch -100") (Parameter.set 'Audio_Method 'Audio_Command)
こちらもご覧ください http://www.solomonson.com/content/ubuntu-linux-text-speech
更新:別のUbuntuコンピューターで試してみました。フェスティバルで適切に動作するには、英語の音声エンジンパッケージをインストールする必要がありました。
Sudo apt-get install festvox-kallpc16k
また、play
はsox
パッケージに付属するcliコマンドです。
Sudo apt-get install sox
SVOX pico2wave
それが私が使うものです。そして、それは自然に聞こえ、理解しやすく、単位(m、°C、kg、...)を認識します
これがpico2waveへの私の最初の投稿です
やることはすべて:
Ubuntu Software Centerにアクセスして、「pico」を検索します。 「Small Footprint Ling ...」で4つまたは5つのエントリが見つかります。それらをインストールします。
Pico2waveの使用の可能性については、最初の投稿で説明しています(上記のリンクを参照)。
バイバイ
あなたはすでに答えを受け入れましたが、私はfestival
に言及したかったです。この buntuフォーラムに投稿 には、非常にいい声を設定するための多くの情報があります。
2017年11月Ubuntu 16.04
私のプロジェクトでは、cron
が会話できるジョブで、espeak
が最も簡単です。
Sudo apt-get update
Sudo apt-get install espeak
最初の部分では、システムに時間を話させるには、単一のcronエントリが必要です。
0 * * * * /home/username/scripts/saytime
saytime:
#!/bin/bash
echo "\`$(date +%H)\` Hundred" | espeak
次のように、stdioを介して入力を受信できます。
cat textfile | espeak -s 100
参考のために、eSpeakのコマンドラインオプションを以下に示します。
espeak [オプション] [""]
-a
Amplitude, 0 to 200, default is 100
-g
Word gap. Pause between words, units of 10mS at the default speed
-k
Indicate capital letters with: 1=sound, 2=the Word "capitals", higher values indicate a pitch increase (try -k20).
-l
Line length. If not zero (which is the default), consider lines less than this length as end-of-clause
-p
Pitch adjustment, 0 to 99, default is 50
-s
Speed in words per minute, 80 to 450, default is 175
-v
Use voice file of this name from espeak-data/voices
-w
Write speech to this WAV file, rather than speaking it directly
-z
No final sentence pause at the end of the text
--voices =
List the available voices for the specified language. If <language> is omitted, then list all voices.
espeak-ng
を満たす-多言語ソフトウェア音声合成装置:
espeak-ng "text to read"
espeak-ng -f "~/file to read"
デフォルトの英語の音声を使用しますが、他の言語や方言でさえ利用可能な多数の音声があり、espeak-ng --voices
(すべての場合)またはespeak-ng --voices=en
(英語用)。これらは-v
と言語の省略形またはファイル名のいずれかで設定できます。スコットランドまたはスワヒリ語の場合:
espeak-ng -v en-gb-scotland "text to read" # language name
espeak-ng -v bnt/sw "text to read" # file name: “bnt” for Bantu, “sw” for Swahili
他にも多くのオプションが利用可能です。速度については-s
を、waveファイルに出力を書き込む場合は-w
については、以下にリンクされているマンページを参照してください。
espeak-ng
(「次世代」の「ng」)は、元の espeak
スピーチシンセサイザーソフトウェア の積極的に開発されたフォークです。 ウィキペディアの歴史の章 。どちらも公式ソースからパッケージespeak
またはespeak-ng
を介して利用できます。
GTTSツールは、テキストからオーディオファイルを生成するのに最適です。 Google翻訳の音声合成APIを使用して、mp3ファイルを生成します。
インストールにpip
を使用する場合、Minicondaをインストールし、conda
を使用してgTTSをインストールできる環境を作成することを強くお勧めします。こちらからMinicondaをダウンロードできます。
https://docs.conda.io/en/latest/miniconda.html
GTTSのGitHubリポジトリは次のとおりです。
https://github.com/pndurette/gTTS
また、gTTSのドキュメントは次の場所にあります。
WineのBalabolkaは(私にとっては)SAPI4ボイスで正常に動作します(SAPI5ボイスはLinuxシステムでは検出されません)。ファイルを開いて読み取りを開始できます。
以下は、BalabolkaのwineのAppDBエントリへのリンクです。 https://appdb.winehq.org/objectManager.php?sClass=application&iId=17859