TTS text normalization speaks "sil" in US-style dates ("May 3, 1999")
Les mainteneurs répondent en général sous 1 jour
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 4/5
- Temps estimé
- 3-5 jours
- Accessibilité débutants
- 38/100
Piste de recherche
The payload names no source files. Start by reproducing with the bash script in the issue, using nemo-speech synthesize with --tn-model-dir on the "May 3, 1999" input, then transcribing the output. Find where the text normalization date grammar's pause token reaches the tokenizer as a word, since the issue's hunch is that it leaks. Done when the "May 3, 1999" and "Oct. 8, 2026" cases transcribe with no "sil" or "SIL" and the other formats still read correctly.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
With --tn-model-dir, MagpieTTS says an audible "sil" between the day and the year of a date written as "Month D, YYYY". Without the comma ("May 3 1999") or day-first ("3 May 1999") the date is read cleanly, and so are the same words typed out ("October eighth, twenty twenty six").
Impact. This date format is everywhere in English text, and normalization is what makes MagpieTTS read numbers at all, so any app reading text aloud has to choose between this artifact and dropped digits.
Expected: "May third, nineteen ninety nine", with at most a pause at the comma.
Actual: "May third sil nineteen ninety nine".
Reproduce. NeMo-Speech.cpp 0.2.0 on macOS arm64 (Metal), tn_configs.tar.bz2 from the v0.2.0 release, MagpieTTS 357M, voice John. Needs only nemo-speech and curl; the transcripts come from Nemotron 3.5.
#!/usr/bin/env bash
# Reproduces: with --tn-model-dir, MagpieTTS speaks a "sil" between the day and the
# year of a US-style date ("May 3, 1999"). Needs nemo-speech 0.2.0 on PATH, curl, and
# the magpie and nemotron-3.5 models (nemo-speech pull magpie; nemo-speech pull nemotron-3.5).
set -euo pipefail
VERSION="$(nemo-speech --version | awk '{print $2; exit}')"
WORK="$(mktemp -d)"
trap 'rm -rf "$WORK"' EXIT
curl -fsSL "https://github.com/NVIDIA/NeMo-Speech.cpp/releases/download/v$VERSION/tn_configs.tar.bz2" |
tar -xjf - -C "$WORK"
say_and_hear() {
nemo-speech synthesize "$1" --tn-model-dir "$WORK/tn_configs" --voice John --seed 6285 \
--quiet --force -o "$WORK/out.wav" >/dev/null 2>&1
printf '%-34s -> %s\n' "$1" "$(nemo-speech transcribe "$WORK/out.wav" --quiet 2>/dev/null)"
}
echo "nemo-speech $VERSION, tn_configs from the same release"
say_and_hear "It happened on May 3, 1999."
say_and_hear "The launch is on Oct. 8, 2026."
say_and_hear "It happened on May 3 1999."
say_and_hear "It happened on 3 May 1999."
nemo-speech 0.2.0, tn_configs from the same release
It happened on May 3, 1999. -> It happened on May third **sil** nineteen ninety nine.
The launch is on Oct. 8, 2026. -> The launch is on October eight **SIL** twenty twenty six.
It happened on May 3 1999. -> It happened on May third, nineteen ninety nine.
It happened on 3 May 1999. -> It happened on the third of May nineteen ninety nine.
Our (Claude + me :D) hunch, unconfirmed: a pause token from the date grammar reaches the tokenizer as a word.
- Langage dominant
- C++
- Étoiles
- 181
- Forks
- 42
- Merge moyen
- 1 j 8 h
- PR mergées (30 j)
- 8
Préparer son environnement
- Aucun Dockerfile ni fichier Docker Compose
- Aucun modèle de pull request
- Lire le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Autres issues de NVIDIA/NeMo-Speech.cpp
-
Difficulté 4/5 3-5 jours Accessibilité débutants 20/100
NVIDIA/NeMo-Speech.cpp#67 ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 3/5 Une demi-journée Accessibilité débutants 66/100
NVIDIA/NeMo-Speech.cpp#64 ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 4/5 3-5 jours Accessibilité débutants 52/100
NVIDIA/NeMo-Speech.cpp#61 ·
Les mainteneurs répondent en général sous 1 jour
-
enhancement
NVIDIA/NeMo-Speech.cpp#56 · 3 commentaires ·
Les mainteneurs répondent en général sous 1 jour
-
Expose confidence estimation / token probabilities (currently always 1.0)Peut-être pris @pskrunner14 l’a pris il y a 14 jours. Ouverteenhancement
Difficulté 4/5 3-5 jours Accessibilité débutants 48/100
NVIDIA/NeMo-Speech.cpp#55 · 2 commentaires · 1 personne assignée ·
Les mainteneurs répondent en général sous 1 jour
Toutes les issues de NVIDIA/NeMo-Speech.cpp
Issues similaires
-
Difficulté 2/5 1-3 heures Accessibilité débutants 70/100
FriendsofECCE/ECCE#336 · 1 commentaire ·
-
Difficulté 2/5 1-3 heures Accessibilité débutants 66/100
bitcoin-core/gui-qml#1030 ·
Les mainteneurs répondent en général sous 3 jours
-
Difficulté 2/5 1-3 heures Accessibilité débutants 82/100
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 2/5 1-3 heures Accessibilité débutants 85/100
tesseract-robotics/tesseract#1384 ·
-
Fix the silent drop of oversized clusters in the plain EuclideanClusterObjectDetectorPeut-être pris @xmfcx l’a pris aujourd’hui. Ouvertecomponent:perception type:bug
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
autowarefoundation/autoware_core#1497 ·
Les mainteneurs répondent en général sous 2 jours