臺語語音轉文字輸入法

提案人：薛丞宏

、許嘉勇(鹿港腔)、

莊文龍(宜蘭腔)先生

顧問:POCHUNG PEKTIONG CHEN教授、潘科元教授、Liz Lim

所有成員陸續邀請加入中~~聯絡人[email protected]莊文龍0911217668

10/1的萌典松：http://moe.kktix.cc/events/moedict-10-1

Forvo 現成閩南語（有的是福建的）語音語料：http://zh.forvo.com/languages/nan/（CC BY-NC-SA 3.0）

目標

做臺語語音辨識

• 使用的情境是？
  • 語音輸入法
  • 規句？
  • 一個詞？
  • 平常時講話？
  • 宜蘭腔臺南腔金門腔鹿港腔所有腔口攏會使通用!
  • 手機輸入&衛星導航
  • 電腦拍文件，像咱對話免拍字用麥克就有字出現，留下會議紀錄等。

• 使用的對象是？

語音辨識

需要語料

• 臺語音檔，佮對應的臺羅
  • 中研院高明達教授有253點鐘的臺語聽拍
  • 臺羅需要照腔口
• 大量的臺語語句
  • 臺羅、漢羅攏會使
  • 這馬手頭有欲規百萬句
    • https://github.com/sih4sing5hong5/tai5-uan5_gian5-gi2_hok8-bu7/wiki/Taiwanese-Corpus%E8%AA%9E%E6%96%99

技術

• 軟體
  • HTK、kaldi, CMU Sphinx
  • HTK is not Open Source, and reuse of modified version seems uneasy）
  • 我是希望借重GOOGLE技術，目前請國內專家先試做，若有法度就免靠GOOGLE。

• 有佇用上新深度學習做語音辨識的老師
  • 曹昱，陳信宏，李琳山，簡仁宗，陳柏琳

分工

錄臺語音檔

1. 準備語句，有漢字佮臺羅
   1.  稿部分我想對臺語歌詞先做https://www.facebook.com/groups/922800454445724/
   2.  教育部臺語常用典例句，您敢會使予我所有例句的Excel檔案?
   3.  其他文獻，或辭典必做的建議。我感覺初期若做到以上兩種應該就真豐富囉?
   4.  Taiwanese http://163.20.42.2/country/FIVE_LANG/5L/M/mn/A.html 五語快譯通已有文稿語音
   5.  教育部臺語常用典 http://blog.ilc.edu.tw/blog/blog/3860/post/37836/190706
      1. 18207words http://blog.ilc.edu.tw/blog/gallery/3860/3860-770766.doc
   6. 教育部臺語朗讀文章&聲音檔       http://163.17.109.129/language/old/%E9%96%A9%E8%AA%9E%E6%9C%97%E8%AE%80.htm
   7.  錄家己捌寫過的文章
      1. 講的較順，較口語
      2. 閣念一擺，就會知影文章有佗位會當閣進步
      3. 有一个機會整理家己的文章
   8. 揣囡仔冊來錄
      1. 閣會當有別的用途

• 教育部辭典： https://github.com/g0v/moedict-data-twblg/tree/master/uni
• 用歌詞、例句，錄出來的語氣、講語速度可能會無仝
• 會當麻煩先佇「目標」彼爿整理，咱錄音較有效率
• 
  
• 恁若是

1. 做網頁用電腦錄音，抑是做app用手機仔錄音~~這个部分我會當請啥人先做?
• 100句做伙唸，毋過逐句中央閬較久咧
  • 無一定逐擺攏愛100，50、70、30句攏會使，免逐擺攏仝款、只是愛記錄是佗幾句
• 有wav檔上好，盡量莫壓縮做mp3
• 取樣頻率盡量選48000HZ

• 我做一個簡單的網站，予逐家傳音檔
• 非常感謝!錄音順序可能請先思考好a~f佗一項先做，我才來排。
• https://github.com/sih4sing5hong5/TaiwaneseInputMethod
• http://錄音檔.語音輸入法.意傳.台灣/
• 若有老師先錄音，先加減用。
• 網路頂錄音，工足大的，
• 我這馬無法度做，建議10/1去萌典松報告，揣別的工程師做伙來做
• 錄音檔案一開始就要wav檔
• 如果一開始毌是，轉檔的音檔品質就有問題。
• 取樣頻率盡量選48000HZ
•         

  3.錄好的音照實際發音腔口修正臺羅

  4.莊文龍負責整合分配語料錄音部分。

  5.願意鬥相共錄音的人員許正輝、蔡惟華、許嘉勇(鹿港腔)、莊文龍(宜蘭腔)、Ling-ing Koo 、陳文傑 (宜蘭腔)、劉玉玲、紀品志

• 敢有佮逐家講，錄好的音檔，愛用啥物版權釋出予人用？CC0？
• 遮愛閣通知逐家!!CC0

                       http://creativecommons.tw/cc0

技術

• 丞宏會先試HTK佮kaldi

• 我10月前會先做出20～30分的作品出來，才看狀況。看後一步欲按怎行

• 等kaldi有法度接錄音檔後，會當提供予教授，予in做研究

sih4sing5hong5/tai5 uan5_gian5 gi2_kang1 ku7#281