Praat脚本-030 | 谈谈自动标注这点儿事（3）

最新推荐文章于 2024-09-02 17:58:11 发布

极地语音工作室

最新推荐文章于 2024-09-02 17:58:11 发布

阅读量1.6k

点赞数 2

CC 4.0 BY-SA版权

分类专栏： Praat Python 文章标签： python 语音识别人工智能自动标注 SPPAS

本文链接：https://blog.youkuaiyun.com/shaopengfei/article/details/120111369

Praat 同时被 2 个专栏收录

55 篇文章

订阅专栏

Python

16 篇文章

订阅专栏

简介

SPPAS工具是由Brigitte Bigi（Laboratoire Parole et Langage - Aix-en-Provence - France）开发的。在网上提供免费下载及使用。这是一款目前比较流行的自动标注，音段对齐的工具，目前应用于法语、英语、汉语等都有不错的效果。虽然音段自动对齐的准确率并不完善，但是对于一般的语音研究者来说，能够自动产生出带有音段信息，并且边界相对整齐的Praat标注文件TextGrid已经是大大提升了工作效率。所以推荐给进行语音研究，而且数据量规模很大的朋友。

有关于这个工具的详细说明，介绍，文档，由此相关的论文等信息请参阅官方网站：http://www.sppas.org/。在这里只是把使用的时候注意的一些地方写出来，以方便一些可能对插件包安装使用并不熟悉的同学。另外也请注意，本文主要使用是有关于SPPAS 2.4版本(个人更喜欢使用2.4，界面也简单，新版本。。。大家随意)，而最新的版本好像是3.9（2021年7月6日更新），有关于最新的版本使用方面的问题，其实可以直接给作者发邮件询问，甚至作者也放了完整的安装视频，虽然是法语的，但是我觉得步骤还是比较清楚的。

安装环境

必须的软件环境：

Python
wxPython
Julius

安装Python

Python的官方网站是：https://www.python.org/，下载页在：https://www.python.org/downloads/release/python-2713/，请选择32位下载，Windows x86 MSI installer。不需要专门针对64位的机器下载64位，尤其对于初学者，32位可以将Python的bin目录增加到系统环境变量里，而64位有时候需要手工增加，如果你熟悉这个操作，可以选择64位Python安装，这里以32位为准。

如果使用SPPAS 2.4版本，请下载安装Python2.7版本使用。如果使用SPPAS 3.0以后版本，请下载安装Python3版本以上。

安装过程即和常规安装软件的过程类似，第一步使用默认方式就可以，即安装给该系统所有用户使用。
在这里插入图片描述

第二步，安装的路径，不建议目录太深，最好在常用盘，比如C盘或者D盘的根目录下，如图所示，在C盘根目录下的Python27就可以，27表示是2.7版本，有其它开发需求的朋友可能也会安装Python3.4以上版本，所以这里也要注意区分。
在这里插入图片描述

在这一步，给出了64位和32位安装的区别，上图是64位，下图是32位，下图有一个选项，可以将Python.exe设置到系统的环境变量里，这个很关键，直接关系运行SPPAS的时候是否能直接从系统调用Python。

在这里插入图片描述

最后安装Python成功。

检验一下，点击win+R键，调出运行窗口，输入cmd，回车，也可以直接搜索命令行窗口，输入python，如果有正确的显示python的信息，说明安装成功。

安装WxPython

WxPython是辅助Python实现可视化界面的。可以根据前面安装Python选择32位或者64位：

32位：https://sourceforge.net/projects/wxpython/files/wxPython/3.0.2.0/wxPython3.0-win32-3.0.2.0-py27.exe/download
64位：https://sourceforge.net/projects/wxpython/files/wxPython/3.0.2.0/wxPython3.0-win64-3.0.2.0-py27.exe/download

安装过程如下，第一步直接点下一步就可以。

在这里插入图片描述

这一步也是选择接受协议Accept the agreement直接点下一步。
在这里插入图片描述

第三步很关键，这个路径一定要和前面Python27目录保持一致，在本例中Python安装在C盘，则象下面这样，这样的路径才是正确的。site-packages表示WxPython作为一个模块包，在Python里。同样如果你选择的是Python3+SPPAS3的环境，这里也要安装在Python3版本的这个目录里。
在这里插入图片描述

最后，这三个选项默认都选中，点击finish.
在这里插入图片描述

安装Julius

Julius是专门用来做对齐的工具，不需要安装，只是告诉系统它的位置就可以了。这个工具也可以用HVite代替，官网上也有介绍。

http://sourceforge.jp/projects/julius/downloads/60273/julius-4.3.1-win32bin.zip/

直接解压到一个目录里，打开这个目录，打开bin目录，找到Julius.exe，注意因为本文下载的是Julius 4.3.1版本，所以其实这个文件名称是Julius-4.3.1.exe，即要把这个文件拷贝到C:\windows\目录下，并且改名为：julius.exe 。

注意：64位机器不需要找专门的这个版本，就使用和第（3）同样的方式操作就可以了，已经测试过，是成功了。
在这里插入图片描述

SPPAS使用

SPPAS工具下载后直接解压到磁盘根目录下，比如D盘下。D:\sppas\，目录级别尽量不要太深。
打开后，直接打开里面的sppas.bat，就可以运行了。
在这里插入图片描述

打开之后是这样的界面，注意Setting里面需要设置结果文件为TextGrid，现在软件默认的是xra文件。
在这里插入图片描述

数据格式

首先是一些使用时的注意事项，请想使用软件的同学务必仔细看一下是否符合。

与声音对应的文本文件，必须是UTF8格式；
声音文件必须是单通道文件，16位精度，格式为WAVE或者AU，最好是采样率为16K；
所有的文件名称中没有特殊字符，比如中文，空格都不允许，推荐只出现字母，下划线，数字或者横线；
声音文件和对应的文本文件名称必须完全一致；
语音最好是录音条件比较好的数据，即录音环境很安静。发音人语音清晰，这样会明显提升自动标注效果。如果是在嘈杂环境的录音，野外录音，这样的自动标注效果很差。
录音文件每一单位之间，最好有比较清楚的停顿，比如你是录音很多字、词，那么发音人在读字，词之间时，最好有一些停顿；如果是录音很多句子，那么句子之间也要有明显的停顿，这样也可以提高自动标注精度；

数据准备

准备音频和文本

在这里插入图片描述

注意声音文件和文本文件是对应出现的。文件名称必须一样。而文本文件，比如Sound_1.txt里面就是这个声音的内容，没有其它多余信息。如红色箭头所指。在保存这个文本文件的时候，需要注意编码格式为UTF-8格式，如下面的红色方框所示。

在这里插入图片描述

导入SPPAS进行切分

经过上面的步骤，我们已经制作了批量的声音文件和文本文件，把这些文件放在同一个目录内：
在这里插入图片描述

然后打开SPPAS这个工具，点击Add files将声音文件添加到窗口里，同时，有同样文件名的txt也会被添加到窗口里，把这些文件通过使用ctrl或者shift键，全部选择，然后把右侧的几个对齐的选项选择，并且在语言里选择相应的语言，比如这里选择的是中文，cmn。SPPAS最新的3.9版本这个地方是变化挺大的，请注意。
在这里插入图片描述