PaddlePaddle/PaddleSpeech

[TTS] DiffSinger 文本前端移除对 pinyin_to_phone.txt 文件的依赖

Open

#3,066 创建于 2023年3月21日

在 GitHub 查看
 (0 评论) (0 反应) (2 负责人)Python (9,453 star) (1,702 fork)batch import
T2Sfeature requestgood first issue

描述

目前 DiffSinger 的文本前端，通过 pinyin_to_phone.txt 文件（opencpop 数据集获取）得到 pinyin 到音素的映射关系，参考：

可以通过不带 tone 的 pypinyin 输出加一些简单的规则移除掉对这个文件的依赖

需要注意的点:

  1. 除了 zh ch sh 其他声母都是一个，或者无声母，zh ch sh 和 z c s 需要分类讨论
  2. 单纯拆的话应该比生成简单一点点，有一些细节需要考虑，比如 u v 变换, u 开头的韵母的变换等, 是生成字典的逆过程，字典生成过程可以参考

贡献者指南

技术栈
python
领域
backendmachine learning
议题类型
refactor
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-2 days
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
blocked
清晰度议题是否清楚说明期望改动、验收标准和下一步。
clear
前置要求
understanding of Chinese pinyinbasic Pythonfamiliarity with phoneme mapping
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
50
研究方向
The goal is to remove the dependency on pinyin to phone.txt by generating mappings using pypinyin without tones and simple rules. Key references include the linked PR (https://github.com/PaddlePaddle/PaddleSpeech/pull/3062) and the lexicon generation script (examples/other/mfa/local/generate lexicon.py) and documentation (docs/topic/frontend/g2p.md). The solution should handle special cases like zh/ch/sh vs z/c/s, u/v transformation, and vowel transformations. The current assignees may have started work, so checking for any updates or linked branches is recommended.