search

open-speech / speech-aligner

speech-aligner，是一个从“人声语音”及其“语言文本”，产生音素级别时间对齐标注的工具。speech-aligner, is a tool that generate phoneme-level alignment between human speech and its transcription
Other
392 stars 103 forks source link

为何自己的音频总是报sample fre error #3

Open errolyan opened 5 years ago

errolyan commented 5 years ago

命令$ ./bin/speech-aligner --acoustic-scale=0.01 --careful=true --sample-frequency=48000 --config=egs/cn_phn/conf/align.conf egs/cn_phn/data1/wav.scp egs/cn_phn/data1/text egs/cn_phn/data/out1.ali 报错 ./bin/speech-aligner --acoustic-scale=0.01 --careful=true --sample-frequency=48000 --config=egs/cn_phn/conf/align.conf egs/cn_phn/data1/wav.scp egs/cn_phn/data1/text egs/cn_phn/data/out1.ali LOG (speech-aligner[5.4.215~4-f2b7]:main():bin/speech-aligner.cc:351) zhuni ERROR (speech-aligner[5.4.215~4-f2b7]:main():bin/speech-aligner.cc:425) Sample frequency mismatch: you specified 16000 but data has 48000 (use --sample-frequency option). Utterance is zhuni

[ Stack-Trace: ]

kaldi::MessageLogger::HandleMessage(kaldi::LogMessageEnvelope const&, char const*) kaldi::MessageLogger::~MessageLogger() main __libc_start_main _start

megazone87 commented 5 years ago

欢迎使用该项目！

该问题是因为输入的音频采样率（48k）和可以接受的（16k）不匹配，所以在我增加变采样功能前，需要你在程序外先自行变采样，比如这样：

在wav.scp中，将每一行的： wav_name wav_path.wav 变成 wav_name sox wav_path.wav -t wav - rate -I 16k |

errolyan commented 5 years ago

欢迎使用该项目！

该问题是因为输入的音频采样率（48k）和可以接受的（16k）不匹配，所以在我增加变采样功能前，需要你在程序外先自行变采样，比如这样：

在wav.scp中，将每一行的： wav_name wav_path.wav 变成 wav_name sox wav_path.wav -t wav - rate -I 16k | /cn_phn/data2/out.ali ./bin/speech-aligner --config=egs/cn_phn/conf/align.conf egs/cn_phn/data2/wav.scp egs/cn_phn/data2/text egs/cn_phn/data2/out.ali LOG (speech-aligner[5.4.215~4-f2b7]:main():bin/speech-aligner.cc:351) nitech_jp_song070_f001_097 WARNING (speech-aligner[5.4.215~4-f2b7]:AlignOneUtteranceWrapper():decoder/decoder-wrappers.cc:601) Did not successfully decode file nitech_jp_song070_f001_097, len = 5938 LOG (speech-aligner[5.4.215~4-f2b7]:main():bin/speech-aligner.cc:351) nitech_jp_song070_f001_006 WARNING (speech-aligner[5.4.215~4-f2b7]:AlignOneUtteranceWrapper():decoder/decoder-wrappers.cc:601) Did not successfully decode file nitech_jp_song070_f001_006, len = 12658 LOG (speech-aligner[5.4.215~4-f2b7]:main():bin/speech-aligner.cc:558) Done 0 out of 2 utterances.

errolyan commented 5 years ago

每一行变成了wav_name sox wav_path.wav -t wav - rate -I 16k | ，有提示“Did not successfully decode file nitech_jp_song070_f001_006, len = 12658”这个错误

errolyan commented 5 years ago

image

megazone87 commented 5 years ago

我认为，这是因为输入的语音和文本不能做到对齐，原因可能是输入语音并不是目前模型适用的领域，模型由配置文件读取的，目前仅有的配置文件只适用中文、噪声不大场景。

megazone87 commented 5 years ago

我对日语对齐也感兴趣，可以提供一个日语模型出来，方便把你的语音发我么？

HaiYandada commented 7 months ago

我认为，这是因为输入的语音和文本不能做到对齐，原因可能是输入语音并不是目前模型适用的领域，模型由配置文件读取的，目前仅有的配置文件只适用中文、噪声不大场景。

我遇到了同样的问题，但是我提供的语音是很正常的中文，环境安静的情况。