lectura-tts-diphone 1.6.0

Synthese vocale par concatenation de diphones WORLD — francais

lectura-tts-diphone

Synthese vocale francaise par concatenation de diphones dans le domaine WORLD.

Installation

# Sans dependances (import seul)
pip install lectura-tts-diphone

# Inference locale (pyworld + numpy + scipy)
pip install "lectura-tts-diphone[local]"

# Avec G2P integre (texte → audio)
pip install "lectura-tts-diphone[all]"

Utilisation

Depuis du texte (necessite lectura-phonemiseur)

from lectura_tts_diphone import synthetiser

audio = synthetiser("Bonjour le monde")
# audio: numpy array float32, 44100 Hz

Depuis des phonemes IPA

from lectura_tts_diphone import creer_engine

engine = creer_engine()
audio = engine.synthesize_groups([
    {"phones": ["b", "ɔ̃", "ʒ", "u", "ʁ"], "boundary": "none"},
    {"phones": ["l", "ə", "m", "ɔ̃", "d"], "boundary": "period"},
])

Controles prosodiques

Parametre	Defaut	Description
duration_scale	1.0	Vitesse globale (>1 = plus lent)
pause_scale	1.0	Duree des pauses inter-groupes
macro_expressivity	2.0	Gestes prosodiques (0=neutre, 4=exagere)
micro_expressivity	5.0	Micro-variations (0=robot, 10=tres expressif)
spectral_contrast	1.5	Contraste spectral (1.0=off, 2.0=fort)
prosody_style	"auto"	"declaratif", "question", "exclamation", "suspensif", "neutre"
seed	None	Graine pour micro-prosodie reproductible

Modes de synthese

• FLUIDE : lecture naturelle, enchainement continu
• MOT_A_MOT : lecture mot par mot avec pauses
• SYLLABES : lecture syllabe par syllabe

Architecture

Texte → [G2P] → Phonemes IPA → Diphone chain
                                      ↓
                              WORLD params (F0 + SP + AP)
                                      ↓
                              Stretch + Concat (overlap)
                                      ↓
                              Prosodie (F0 contour + durees)
                                      ↓
                              GV compensation (contraste spectral)
                                      ↓
                              pw.synthesize → Audio 44100 Hz

Les diphones sont des parametres WORLD (F0 + spectral envelope + aperiodicity) extraits du corpus SIWIS et moyennes par type de transition phonetique.

Emplacements des modeles

Recherche dans l'ordre :

1. Parametre models_dir explicite
2. $LECTURA_MODELS_DIR/tts_diphone/
3. ~/.lectura/models/tts_diphone/
4. Modeles embarques dans le package

Fichier requis : diphones.dpk.gz (ou .dpk.gz.enc chiffre) Fichier optionnel : diphone_statistics.pkl

Licence

Double licence : AGPL-3.0 (code) + Licence Commerciale (modeles).