TTS Text Processing (22.10)

  Authors

Nikulásdóttir, Anna Björk

  Item identifier

http://hdl.handle.net/20.500.12537/279

 Project URL

https://github.com/grammatek/tts-frontend/releases/tag/v1.0.1

 Date issued

2022-10-01

 Type

toolService

 Language(s)

Icelandic

 Description

ENGLISH: This project provides a TTS textprocessing pipeline for Icelandic. The pipeline includes modules for html parsing, text cleaning, text normalization for TTS, spell and grammar correction, phrasing, and grapheme-to-phoneme (g2p) conversion. Before a text can be fed into a TTS system it has to be converted into the format that was used when training that system. The format can be grapheme-based (i.e. alphabetic characters of the language in question are used as input) or phoneme-based (i.e. a phonetic alphabet like IPA or SAMPA are used as input). The TTS Textprocessing Pipeline for Icelandic offers both possibilities. ÍSLENSKA: Þessi hugbúnaðarpakki inniheldur textavinnslupípu fyrir íslenska talgervla. Pípan samanstendur af vinnslu html-skjala fyrir hljóðbækur, hreinsun texta, textanormun, stafsetningarleiðréttingu, innsetningu á þögnum og sjálfvirkri hljóðritun. Áður en hægt er að senda texta á talgervil þarf að forvinna hann, t.d. skrifa út tölustafi og skammstafanir, merkja inn þagnir og koma textanum að lokum á sama form og þjálfunargögn þess talgervils sem á að lesa textann. Yfirleitt eru talgervlar þjálfaðir á hljóðrituðum textum, þar sem textarnir eru hljóðritaðir skv. hljóðritunarstafrófum eins og IPA eða SAMPA, en einnig geta þeir verið þjálfaðir beint á textum skrifuðum með hefðbundnum bókstöfum. Textavinnslupípan býður upp á báða möguleika og einnig að vinna textann einungis að hluta.

 Publisher

Grammatek ehf.

 Acknowledgement

Ministry of Education, Science and Culture

Project code: Text preprocessing, normalization and phrasing (T9)

Project name: Language Technology for Icelandic 2019-2023

 Subject(s)

text-to-speech text processing frontend processing text normalization grapheme-to-phoneme

 Collection(s)

Clarin IS

Sýna fulla færslu atriðis