- 博客(2)
- 收藏
- 关注
原创 【中文语音文本对齐】-MFA-不需要配环境的傻瓜教程
我需要视频帧和声调的对应。数据集应该是视频帧、音频、文本。从文本可以知道每个字的声调。但是不知道哪一帧是哪个字。视频是一句话,需要分成一个字一个字的片段。理解了一下大概是需要对齐文本与音频,同时数据集中有音频文件,也有与音频文件对应的文字脚本,这个txt文件中还包含拼音大概这样:调研了一下,这种功能英语叫“forced alignment”,强制对齐。
2023-11-28 23:46:07
1383
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人