Выполнение пакетных операций с помощью CLI "Речь"

Распространенные задачи при использовании службы "Речь" — это пакетные операции. В этой статье вы узнаете, как выполнять пакетное преобразование речи в текст (распознавание речи) и пакетное преобразование текста в речь (синтез речи) с помощью интерфейса командной строки для сервиса Speech. В частности, вы узнаете, как выполнять следующие задачи:

• выполнить пакетное распознавание речи в каталоге звуковых файлов;
• Пакетное синтезирование речи, итерируя по файлу .tsv;

пакетное преобразование речи в текст (распознавание речи).

Служба "Речь" часто используется для распознавания речи из аудиофайлов. В этом примере вы узнаете, как выполнять итерацию по каталогу с помощью интерфейса командной строки службы "Речь" для записи выходных данных распознавания для каждого .wav файла. Флаг --files определяет каталог, в котором хранятся звуковые файлы. Подстановочный знак *.wav указывает CLI службы "Речь" выполнять распознавание для каждого файла с расширением .wav. Выходные данные для всех файлов распознавания записываются в speech_output.tsv в виде значений, разделенных знаками табуляции.

spx recognize --files C:\your_wav_file_dir\*.wav --output file C:\output_dir\speech_output.tsv --threads 10

Ниже приведен пример структуры выходного файла.

audio.input.id	recognizer.session.started.sessionid	recognizer.recognized.result.text
sample_1	07baa2f8d9fd4fbcb9faea451ce05475	A sample wave file.
sample_2	8f9b378f6d0b42f99522f1173492f013	Sample text synthesized.

Пакетный синтез текста в речь (синтез речи)

Самый простой способ запустить пакетное преобразование текста в речь — создать новый файл .tsv (tab-separated-value) и использовать команду --foreach в Речь CLI. Вы можете создать файл .tsv с помощью предпочитаемого текстового редактора. В этом примере назовем файл text_synthesis.tsv:

audio.output	text
C:\batch_wav_output\wav_1.wav	Sample text to synthesize.
C:\batch_wav_output\wav_2.wav	Using the Speech CLI to run batch-synthesis.
C:\batch_wav_output\wav_3.wav	Some more text to test capabilities.

Затем выполните команду, чтобы указать на text_synthesis.tsv, выполните синтез для каждого поля text, а затем запишите результат в соответствующий путь audio.output в виде файла .wav.

spx synthesize --foreach in @C:\your\path\to\text_synthesis.tsv

Эта команда эквивалентна запуску spx synthesize --text "Sample text to synthesize" --audio output C:\batch_wav_output\wav_1.wavдля каждой записи в файле .tsv.

Обратите внимание на несколько моментов.

• Заголовки столбцов audio.output и text соответствуют аргументам командной строки --audio output и --text. Аргументы командной строки, содержащие несколько частей, например --audio output, должны быть отформатированы в файле без пробелов, начальных дефисов и точек, разделяющих строки (например, audio.output). Любые другие существующие аргументы командной строки можно добавить в файл в виде дополнительных столбцов с помощью этого шаблона.
• Если файл форматируется таким образом, никакие другие аргументы не требуются для отправки --foreach.
• Обязательно отделите каждое значение в .tsv с помощью табуляции.

Но заголовки столбцов вашего файла .tsv могут не соответствовать аргументам командной строки, как в следующем примере:

wav_path    str_text
C:\batch_wav_output\wav_1.wav	Sample text to synthesize.
C:\batch_wav_output\wav_2.wav	Using the Speech CLI to run batch-synthesis.
C:\batch_wav_output\wav_3.wav	Some more text to test capabilities.

Эти имена полей можно переопределить надлежащим образом, используя следующий синтаксис в вызове --foreach. Эта команда выполняет тот же вызов, что и раньше.

spx synthesize --foreach audio.output;text in @C:\your\path\to\text_synthesis.tsv

Следующие шаги

• Обзор интерфейса командной строки для работы с речью
• Краткое руководство по интерфейсу командной строки службы "Речь"