voice-builder

项目介绍：Voice Builder

背景信息

Voice Builder 是一个开源的文本到语音（TTS）语音生成工具，专注于简便性、灵活性和协作性。尽管它不是 Google 官方的产品，但为全球用户提供了进行语音训练实验并收听合成语音的能力，即便用户只有基本的计算机知识。

项目目标

Voice Builder 旨在降低创建新语音的门槛，并加速 TTS 研究进程。这一工具尤其在对于资源匮乏的语言进行研究时，能够通过更高效的实验和跨学科的合作，最大程度地利用有限的数据资源。

安装步骤

前置条件

安装和配置 Voice Builder 之前，需要完成以下步骤：

1. 在 Google Cloud Platform (GCP) 上创建项目。
2. 启用账单功能并请求更多配额。
3. 安装 Docker。
4. 在 firebase.com 上导入项目。
5. 安装 Cloud SDK 以获取 gcloud 命令行工具。
6. 安装 Node.js。
7. 安装 firebase 命令行工具。
8. 启用 GCP 服务，如 Appengine API、Firebase Cloud Function 和 Genomics Pipeline API。使用这个链接 可一次性启用这些服务。

部署步骤

在完成前置条件后，可以按照以下步骤进行部署：

1. 克隆该项目：

   git clone https://github.com/google/voice-builder.git && cd voice-builder
   

2. 登录 gcloud 和 firebase 账户：

   gcloud auth login
   firebase login --no-localhost
   

3. 编辑 deploy.sh 文件，设置项目名称、项目 ID 和 GCP 服务账户 email。

4. 创建用于储存每个任务数据的 GCS 存储桶：

   ./deploy.sh initial_setup
   

5. 部署云功能组件：

   ./deploy.sh cloud_functions
   

6. 部署 UI 组件，并通过 EXTERNAL_IP 访问：

   ./deploy.sh ui create
   

创建示例语音

在初始化设置完成后，用户可以通过提供的 TTS 引擎（例如 Festival 和 Merlin）创建示例语音。用户可在创建界面选择不同的 TTS 引擎和输入数据，进行语音生成测试。

自定义数据导出器（可选）

用户可以为 Voice Builder 添加数据导出器组件，用于在将数据输入 TTS 算法之前进行转换和处理，例如格式转换或数据过滤。

1. 获取服务账户并为其设置 GCS 存储桶访问权限。
2. 在 config.js 中配置数据导出器 API 的 URL 和 API_KEY 。
3. 更新 UI 实例，使其识别新的配置并正确发送语音规格信息至数据导出器。

Voice Builder 规格说明

VoiceBuildingSpecification 是一个用于定义语音规格的 JSON 对象，由 Voice Builder 在用户触发语音生成请求时创建。它提供了包含文件路径、选定 TTS 算法、调优参数等的详细信息，供数据导出器和 TTS 引擎使用。

附加信息

更多信息可以参考 JSON Phonology。