Python | 基本的信息统计-层级之间的信息

最新推荐文章于 2024-08-10 07:06:55 发布

原创最新推荐文章于 2024-08-10 07:06:55 发布 · 732 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #统计TextGrid

Python 专栏收录该内容

16 篇文章

订阅专栏

本文的脚本还是关于统计，上一次提供了针对某一层的统计信息(Praat脚本 | 基本的信息统计)，可以帮助我们了解自己标注的具体情况，可以检查标注的信息是否有错误。本次提供一个Python脚本还是关于统计的，除了单独了解每一层的标注信息，我们有时候还想了解某个字或者词，在我们的音库里标注了几种情况的发音。比如print这个词或者“卡”这个字，我们想了解总共有几种发音形式？

有人可能会好奇这么做的意义，因为几乎每个词每个字基本都有固定的发音？！但很多语言的字词都会有复杂的发音体系，也就是发音并不唯一；再者说，你所面对的音库，就每个发音人来说，他/她也总会在语流中，表现出很多不符合标准发音的样本。这次的脚本就是可以做到统计以字或者词为单位的发音情况。

笔者尝试使用Praat脚本来实现，但是未能达到目的，Praat在处理这类问题时显示比较无力。或许有人会有更好的方法也可以提出来讨论。所以本文使用的是Python脚本来实现，这个脚本程序用到了前面介绍的使用Python读取TextGrid的一个开源包，如果不清楚的请查阅一下(Python | 如何优雅的使用Python读取TextGrid文件)。

使用这个脚本可以先使用这两套开源数据试一下，下载地址在https://github.com/feelins/Praat_Scripts/tree/master/data，关于这两套数据的详细说明可通过关注微信公众号“语音处理小站“，查找一篇”推荐|中文普通话和英语开源数据“的文章。

代码段：

首先建立一个常规的Python文件。比如示例中使用的a02_stats_complex_infos.py，第一句命令，如下将这个textgrid包读进来命名为tg。

import textgrid as tg

紧接着，要确定你所用的TextGrid包括两层，一层是字或者词信息，一层是它的发音音素，如下图。
在这里插入图片描述
这里要确定你的标注文件两层的名称，即图上右侧的Phon和Word，这个要设置一下程序里的这个位置，这里是区分大小写的。

ph_tiers = tg.read_textgrid(input_textgrid_file, 'Phon')
wd_tiers = tg.read_textgrid(input_textgrid_file, 'Word')

然后打开Python程序，设置输入的TextGrid目录，以及要保存的结果路径。

input_textgrid_dir = r'E:\006_TTS\biaobei\CMU_Demo'
save_result_file = r'E:\006_TTS\biaobei\CMU_Demo_complex.txt'

然后使用你熟悉的方式运行Python代码，打开结果文件，将会看到统计结果。可见，有的字是明确一个读音的，而有的字，可能是多音字，也有可能是发音人读的两种读音，比如这里的切字。

item	Value
与	[‘v3’, ‘v2’]
撒	[‘sa4’]
切	[‘qie4’, ‘qie1’]
尔	[‘er3’]
会	[‘huei4’]
…	…

来看一下英语数据，
在这里插入图片描述
要注意这里的层级名称，一个是phones，一个是words，所以在代码里要同样设置：

ph_tiers = tg.read_textgrid(input_textgrid_file, 'phones')
wd_tiers = tg.read_textgrid(input_textgrid_file, 'words')

运行之后，我们得到以下结果，同样会发现一些词出现了多种读音，如them, on, and…

item	Value
them	[‘DH AH0 M’, ‘DH EH1 M’]
i	[‘AY1’]
hope	[‘HH OW1 P’]
i’ll	[‘AY1 L’]
go	[‘G OW1’]
on	[‘AO1 N’, ‘AA1 N’]
seeing	[‘S IY1 IH0 NG’]
forever	[‘F ER0 EH1 V ER0’]
and	[‘AE1 N D’, ‘AH0 N D’]
…	…

如何获取脚本 `https://github.com/feelins/Praat_Scripts`

本站所有Praat脚本都可以在上述github的项目目录里找到，如果日常对代码、脚本操作比较熟练的可通过下载、安装、配置github for windows在自己的电脑上通过git clone将代码下载到本机，这样的好处是可以跟主站及时更新代码。
不想费如此脑筋，可以通过点击如下图1位置所示，下载整站的代码，也可直接使用。
download
本文的代码是00-Python/a02_stats_complex_infos.py，点进去之后，还有附带的示例文件，同学可练习使用。脚本里有我的邮箱，有任何问题都可以来信咨询。