sound_dataset_tools2

sound_dataset_tools2

多功能语音数据集制作工具

sound_dataset_tools2是一款语音数据集制作工具。它具有GUI界面,支持音频+字幕和纯音频自动切割两种数据导入方式。该工具优化音频切割效果,减少断音问题,可导出符合VITS等项目要求的数据集格式。它还包含语音评测功能,有助于从大量数据中筛选出高质量数据集。此工具适用于需要创建语音数据集的研究人员和爱好者。

sound_dataset_tools2语音数据集音频处理GUI界面VITSGithub开源项目

语音数据集工具2

简介

这是一个用于快速制作语音数据集的工具,可以一键导出VITS等项目所需的训练数据集

注意:您正在查看项目的r1.0分支,该分支将停止更新新功能,仅作维护和存档用途,未来项目经过重构后将以r2.0分支为主

特点:

图形用户界面!

中文文档

支持两种数据导入方式:音频+字幕和纯音频自动切割(未来会增加更多)

自动优化音频切割效果,(尽量)避免出现断音

可直接导出符合VITS等项目要求的数据集格式,可设置声道数和采样率

引入语音评测功能,通过为数据打分可以快速从海量数据中筛选出高质量数据集

软件架构

数据库:sqlite、peewee

界面:PySide6

音频处理:FFMPEG、pydub等

安装指南

运行编译好的exe文件

访问GitHub的Release页面或Gitee的发行版页面,根据提示下载相应的压缩包,双击即可启动程序

从源代码运行

  1. 克隆本项目

    Gitee:

    git clone https://gitee.com/kslizi/sound_dataset_tools2.git
    

    GitHub:

    git clone https://github.com/kslz/sound_dataset_tools2.git
    
  2. 安装ffmpeg

    您可以通过配置环境变量,也可以将下载的ffmpeg压缩包解压后,在exe根目录下新建lib文件夹,将解压得到的bin文件夹改名为ffmpeg,然后复制到lib目录下。最终的目录结构如图所示

    image-20230306190922062

  3. 安装其他库

    pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
    

使用说明

运行项目

python main.py

选择工作区

image-20230306191102551

如果当前目录空间不足,可以指定其他目录。导入的文件、数据库、生成的数据集都会存放在指定目录中

数据集选择界面

您可以在这里添加、修改、删除数据集。每个数据集之间互相独立。点击"进入"按钮,进入数据集。

image-20230306191345259

数据集概览界面

在此您可以对数据进行导入、导出、处理等操作

image-20230306191504981

导入数据

注意:所有导入数据的方式都经过了自动优化,关于自动优化的具体逻辑请参见文末。

从文件导入(音频+字幕)

点击按钮,在弹窗中选择预先处理好的音频和字幕文件,支持视频文件和几乎所有(ffmpeg支持的)格式的音频文件导入,同时请输入发音人。关于字幕的获取请参见文末。

image-20230306191737405

导入后的界面如图所示,您可以在左侧的下拉框中选择翻页,也可以点击试听音频段

image-20230325203520340

点击快速导出后会将当前音频导出至 .\workspace\output\fastoutput\ 目录下

从文件导入(长音频)

点击按钮,在弹窗中选择预先处理好的音频文件,支持视频文件和几乎所有(ffmpeg支持的)格式的音频文件导入,同时请输入合适的发音人、最短静音长度、静音阈值信息

最短静音长度:当静音长度达到这个数值时进行一次裁切

静音阈值:当音频响度低于这个数值时则视为静音,如果您的音频底噪很低,可以适当调低此值获得更好的结果,反之则提高。

image-20230306192153819

导入后的界面如图所示,需要注意的是因为只有短音频,所以裁切出的音频段没有标注文本,将在未来引入语音识别以进行自动标注。

image-20230306192556509

删除数据

根据源音频删除数据

点击按钮后选择一个当前数据集中数据对应的音频,点击确定后音频本身和相关联的数据都会被删除

image-20230306192718584

导出数据

导出数据集(单发音人)

After clicking the button, select parameters. You can also choose a corresponding preset and click the apply button to apply it. If you don't understand the meaning of these values, you can use the default settings.

Note:

Normalization: This refers to loudness matching, which will automatically scale the audio volume according to the input value.

In the current export logic, data containing English or numbers in the annotation text will be skipped. However, if the annotation text is empty, it will still be exported.

Click next to proceed with the dataset export. The window may freeze for a moment, please wait patiently.

[图片]

[图片]

The exported files can be found in the corresponding directory.

[图片]

Speech Evaluation

The speech evaluation function can score sentences through commercial evaluation interfaces to quickly select high-quality data.

Currently, the Tanbei speech evaluation interface has been integrated.

Tanbei Speech Evaluation
Add Authorization Information

First, go to the Software Settings - Authorization Management page, click the add button, enter the name and other fields, and select Speech Evaluation for the application type.

[图片]

For Tanbei-related fields, please go to the Tanbei Open Platform - Speech Evaluation page to activate the service and view (currently in free trial period, hurry if you want to use it for free).

[图片]

After adding, it will automatically verify. Please turn off the proxy program during this process.

Perform Data Evaluation

Then go to the data processing page, click on Tanbei Speech Evaluation, select the corresponding authorization information to start the evaluation.

[图片]

[图片]

Export Based on Evaluation Results

Return to the dataset overview page, click the export button, select Tanbei Evaluation in the evaluation-related section, and fill in the corresponding score requirements.

[图片]

Note: If evaluation is selected, data that has not been evaluated will not be exported. Also, since Tanbei evaluation only supports Chinese, all English data will not be exported after selection.

Click next, confirm, and then start exporting.

[图片]

[图片]

Additionally: Export results when evaluation is not selected

[图片]

Development Plan

Compile exe version

Annotation through ASR

Apply speech evaluation

Apply voice print recognition

Export multi-speaker dataset

Quick export

......

Common Questions

  1. How to get subtitles?

    Use tools like Jianying or VideoSRT to get SRT subtitle files. You can refer to the following links:

    Export subtitles from Jianying

    video-srt-windows

    videosrt-pro

  2. What's the logic of automatic optimization?

    The optimization logic is to cut 10ms from the start position forward, compare the loudness of this 10ms with the segment from start to start+10, if the loudness before is smaller, move the start forward, until finding a position with the smallest loudness. The end follows a similar logic. This can avoid audio being cut off as much as possible.

    Also, subtitles generated by Jianying sometimes split one sentence into multiple sentences, with intervals within 33 milliseconds between each sentence. When encountering this situation, the program will combine these subtitles into one sentence.

  3. How to upgrade the exe version?

    After downloading the new compressed package, replace the exe file in it with the old version software in the same path, overwriting the original file.

  4. To be continued...

编辑推荐精选

堆友

堆友

多风格AI绘画神器

堆友平台由阿里巴巴设计团队创建,作为一款AI驱动的设计工具,专为设计师提供一站式增长服务。功能覆盖海量3D素材、AI绘画、实时渲染以及专业抠图,显著提升设计品质和效率。平台不仅提供工具,还是一个促进创意交流和个人发展的空间,界面友好,适合所有级别的设计师和创意工作者。

图像生成AI工具AI反应堆AI工具箱AI绘画GOAI艺术字堆友相机AI图像热门
码上飞

码上飞

零代码AI应用开发平台

零代码AI应用开发平台,用户只需一句话简单描述需求,AI能自动生成小程序、APP或H5网页应用,无需编写代码。

Vora

Vora

免费创建高清无水印Sora视频

Vora是一个免费创建高清无水印Sora视频的AI工具

Refly.AI

Refly.AI

最适合小白的AI自动化工作流平台

无需编码,轻松生成可复用、可变现的AI自动化工作流

酷表ChatExcel

酷表ChatExcel

大模型驱动的Excel数据处理工具

基于大模型交互的表格处理系统,允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令,自动执行排序、公式计算和数据透视等操作,支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内,支持超过100万行数据的即时分析。

AI工具酷表ChatExcelAI智能客服AI营销产品使用教程
TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
AIWritePaper论文写作

AIWritePaper论文写作

AI论文写作指导平台

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

AI辅助写作AI工具AI论文工具论文写作智能生成大纲数据安全AI助手热门
博思AIPPT

博思AIPPT

AI一键生成PPT,就用博思AIPPT!

博思AIPPT,新一代的AI生成PPT平台,支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等,内置海量精美PPT模板,涵盖商务、教育、科技等不同风格,同时针对每个页面提供多种版式,一键自适应切换,完美适配各种办公场景。

AI办公办公工具AI工具博思AIPPTAI生成PPT智能排版海量精品模板AI创作热门
潮际好麦

潮际好麦

AI赋能电商视觉革命,一站式智能商拍平台

潮际好麦深耕服装行业,是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌,以及国内10万+淘宝、天猫、京东等主流平台的品牌商家,为卖家节省将近85%的出图成本,提升约3倍出图效率,让品牌能够快速上架。

iTerms

iTerms

企业专属的AI法律顾问

iTerms是法大大集团旗下法律子品牌,基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构,帮助企业扫清合规障碍,筑牢风控防线,成为您企业专属的AI法律顾问。

下拉加载更多