voices 1.0.0a3

根据 ASS 文件将多种类的音频文件切片为指定格式的文件，并生成对应的 .lab 文件

VoiceS

根据 ASS 文件将多种类的音频文件切片为指定格式的文件，并生成对应的 .lab 文件

功能与计划

功能

• 导出多音字列表
• 交互式多音字修复
• 交互式中根据输入历史自动选择高可能性的发音
• 交互式中根据输入历史高亮可能性较复杂的字
• 联机获取词库tracker.json
• 整合mfa？

输入文件类型

• ass(aegisub)
• 其他的类型？(欢迎提交issue或pr)

使用方法

配置运行环境

本脚本所需的基本运行环境与 教程 中的 diff 环境一致（交互式多音字修复需要额外依赖，详见下文），可直接共用环境。

如果你需要直接配置环境可以参考以下命令:

conda create -n diff python=3.8
conda activate diff
pip install librosa pypinyin # 必装依赖
pip install pyaudio noneprompt # 选装依赖

下载时间轴工具

下载 AgeiSub 或其他能够根据音频生成 .ass 文件的时间轴工具

打轴

导入音频文件并生成对应的时间轴，可参考 https://www.bilibili.com/video/BV19F411w7m5

注意：

1. 生成的时间轴中每行将会被视为一个“切片”，切片的长度应在 5-15s 为宜，不得超过 2-20s
2. 歌词中不应出现任何标点符号，可以出现空格，也可提前将多音字替换为拼音

生成原始数据

注意：若时间轴中某一切片超过 2-20s 的范围，将会报错并跳过整个文件，但不会影响到其他文件的处理。

使用命令行运行（默认）

将 .ass 文件和 同名 的音频文件放置于同一文件夹或其子文件夹下。cd 到 main.py 同目录下后输入 python ./main.py <src> <des> 命令，程序将会从 src 文件夹读取文件，处理后输出到 des 文件夹。

例如，数据文件放置于 /home/admin/src file，输出文件放置于 /home/admin/desfile，那么对应的命令为: python ./main.py "/home/admin/src file" /home/admin/des

直接运行

将 .ass 文件和 同名 的音频文件放置于 data 文件夹或其子文件夹下。cd 到 data 文件夹的根目录后运行 main.py（需将其中第一行的True替换为False），程序将会从 data 文件夹读取文件，处理后输出输出到 data/output 文件夹下

修正原始数据

在输出目录下（也就是 des 或 data/output）会生成 exception.json 文件，其中记录了包含多音字的切片。此时可以根据此文件对 .lab 文件进行修正。（当然你也可以头铁直接拿去mfa，此时生成的文件格式上是没有错误的）

交互式多音字修复

在程序启动时会询问 是否开启 **交互式** 多音字检查 如果你按照提示开启了该功能，在程序遇到多音字时会记录并在终端开启一个 CLI 来辅助你动态的更改多音字的发音。此功能需要额外的依赖 noneprompt。

如果你使用的设备也带有音频播放功能，可在询问 是否在 **交互式** 多音字检查中开启音频播放 时开启该功能。此功能需要额外的依赖 pyaudio。

如果你在交互式修复过程中未对 全部 多音字进行修复，在 exception.json 中也会记录未修复的部分。

校对建议

在 当前工作路径 中会自动生成 tracker.json 文件，也可手动导入此文件(注意读写权限)，在使用过程中会根据 文件中的记录 和 本次操作记录 将多音字划分为四个等级。

• ⚪: 数据量小于5, 无法形成有效提示
• 🟢: 当前选项占记录中可能性的 97% 以上
• 🟡: 当前选项占记录中可能性的 97% 以下
• 🔴: 当前选项中，本次操作记录 与 文件中的记录 中最大可能性的选项不一致

同时，系统也会对多音字列表按照可能性进行排序，默认选中可能性最高的选项。本次操作记录 的优先级要高于 文件中的记录，如果二者在排序中 有冲突 的话会采用 本次操作记录 并标记为 🔴

当然，这套系统本质上依然是 if else，并不能真正的“识别”此处的发音，因此即便是 🟢 也建议不要直接跳过

由于 tracker.json 需要大量的积累才能更加准确，因此也再此呼吁使用该项目的用户分享出来自己的 tracker.json，详情可见 issue区置顶