word2speech 2.0.0

Herramienta CLI para el manejo de modelos TTS

word2speech

Genera audios a partir de palabras (reales o falsas), para el tratamiento de pacientes con dislexia u otras dificultades específicas de aprendizaje.

Un proyecto de Alejandro Varela de Cora.

Instalación

Se necesita python>=3.12, se recomienda utiliza pipx para la instalación.

$ pipx install word2speech

Configuración

Para usar word2speech necesitas configurar:

• token: Token de API de speechgen.io
• email: Email registrado en speechgen.io
• voice: Voz a utilizar (ej: Alvaro)

Archivo de configuración

Crea ~/.word2speech/config.yml:

token: tu_token_aqui
email: [e-mail]
voice: Alvaro

Inicio rápido

Si no proporcionamos un fichero de configuración mediante el flag --config, la aplicación busca automáticamente primero en la configuración local del proyecto ./.word2speech/config.yml y después en la configuración global del usuario ~/.word2speech/config.yml.

Si no encuentra ningún archivo, los parámetros obligatorios (token, email, voice) deben proporcionarse por línea de comandos.

$ word2speech palabra
[17:19:25]: Generando el audio de la palabra "palabra"
[17:19:26]: Audio generado "out.mp3" (coste: 7, saldo: 61705)

Procesamiento por lotes con JSON

Crea un archivo JSON con el siguiente formato:

{
  "palabras": ["abrazo", "bebida", "órganos"],
  "nopalabras": ["babados", "bacela", "plátaco"]
}

Luego procésalo:

$ word2speech data-reduce.json
[17:19:40]: Generando el audio de la palabra "abrazo"
[17:19:40]: Audio generado "palabras/abrazo.mp3" (coste: 0, saldo: 61705)
[17:19:40]: Generando el audio de la palabra "bebida"
[17:19:40]: Audio generado "palabras/bebida.mp3" (coste: 0, saldo: 61705)
[17:19:41]: Generando el audio de la palabra "órganos"
[17:19:41]: Audio generado "palabras/organos.mp3" (coste: 0, saldo: 61705)
[17:19:41]: Generando el audio de la palabra "babados"
[17:19:41]: Audio generado "nopalabras/babados.mp3" (coste: 0, saldo: 61705)
[17:19:41]: Generando el audio de la palabra "bacela"
[17:19:42]: Audio generado "nopalabras/bacela.mp3" (coste: 0, saldo: 61705)
[17:19:42]: Generando el audio de la palabra "plátaco"
[17:19:42]: Audio generado "nopalabras/plataco.mp3" (coste: 0, saldo: 61705)

Uso de subcomandos

word2speech tiene disponibles 2 subcomandos, deletrear y prosodia:

• deletrear: Genera el audio de una palabra sílaba por sílaba

  $ word2speech deletrear albaricoque
  [17:29:09]: Generando audio deletreado por sílabas de la palabra "albaricoque"
  [17:29:09]: Texto deletreado: al <break time="250ms"/> ba <break time="250ms"/> ri <break time="250ms"/> co <break time="250ms"/> que
  [17:29:13]: Audio deletreado generado "out_deletreo.mp3" (coste: 95, saldo: 61610)
  
  # El flag --include-word añade la palabra deletreada al final de audio
  $ word2speech deletrear albaricoque --include-word
  [17:30:51]: Generando audio deletreado por sílabas de la palabra "albaricoque"
  [17:30:51]: Texto deletreado: al <break time="250ms"/> ba <break time="250ms"/> ri <break time="250ms"/> co <break time="250ms"/> que <break time="1s"/> albaricoque
  [17:30:53]: Audio deletreado generado "out_deletreo.mp3" (coste: 124, saldo: 61486)
  

• prosodia: Genera una versión de la palabra con mayor énfasis en la prosodia de la misma mediante el uso de SSML para enriquecer la palabra y la trancripción fonética IPA.

  $ word2speech prosodia albaricoque
  [17:35:20]: IPA generado con epitran para 'albaricoque': albaɾikoke
  [17:35:20]: Generando audio con prosodia mejorada de la palabra "albaricoque"
  [17:35:20]: SSML generado: <prosody rate="medium" pitch="medium" volume="medium"><phoneme alphabet="ipa" ph="albaɾikoke">albaricoque</phoneme></prosody>
  [17:35:21]: Audio con prosodia generado "out_prosodia.mp3" (coste: 125, saldo: 61361)
  

Limitación windows

En Windows debido a la codificación de la consola por defecto pueden surgir problemas a la hora de ejecutar el subcomando prosodia, la solución pasa por forzar la codificación UTF-8

> set PYTHONUTF8=1

Podemos establecer la codificación UTF-8 de forma permanente con:

> setx PYTHONUTF8 1

Nota: Después de ejecutar setx, es necesario reiniciar la terminal (o abrir una nueva) para que el cambio tome efecto.

Enlaces de interés:

• Proyecto dislexia
• speechgen API