Python Arpabet phonetische Transkription

Question

Gibt es eine Bibliothek in Python, die Wörter (hauptsächlich Namen) in Arpabet phonetische Transkription umwandeln kann?

barbels -> B AA1 RB AH0 LZ

BARBEQUE -> B AA1 RB IH0 KY UW2

Barbequed -> B AA1 RB IH0 KY UW2 D

barbequeing -> B AA1 RB IH0 KY UW2 IH0 NG

Barbecues -> B AA1 RB IH0 KY UW2 Z

Answer 1

Holen Sie sich das cmu pronouncing dictionary und dann können Sie nltk benutzen Sie die zugehörige
arpabet Lautschrift für jedes Wort aus diesem Wörterbuch selbst wie diese

>>> entries = nltk.corpus.cmudict.entries() 
>>> len(entries) 
127012 
>>> for entry in entries[39943:39951]: 
...  print entry 
... 
('fir', ['F', 'ER1']) 
('fire', ['F', 'AY1', 'ER0']) 
('fire', ['F', 'AY1', 'R']) 
('firearm', ['F', 'AY1', 'ER0', 'AA2', 'R', 'M']) 
('firearm', ['F', 'AY1', 'R', 'AA2', 'R', 'M']) 
('firearms', ['F', 'AY1', 'ER0', 'AA2', 'R', 'M', 'Z']) 
('firearms', ['F', 'AY1', 'R', 'AA2', 'R', 'M', 'Z']) 
('fireball', ['F', 'AY1', 'ER0', 'B', 'AO2', 'L']) 

Answer 2

Mit nltk mit dem cmudict Korpus installiert:

arpabet = nltk.corpus.cmudict.dict() 
for word in ('barbels', 'barbeque', 'barbequed', 'barbequeing', 'barbeques'): 
    print(arpabet[word]) 

Ausbeuten

[['B', 'AA1', 'R', 'B', 'AH0', 'L', 'Z']] 
[['B', 'AA1', 'R', 'B', 'IH0', 'K', 'Y', 'UW2']] 
[['B', 'AA1', 'R', 'B', 'IH0', 'K', 'Y', 'UW2', 'D']] 
[['B', 'AA1', 'R', 'B', 'IH0', 'K', 'Y', 'UW2', 'IH0', 'NG']] 
[['B', 'AA1', 'R', 'B', 'IH0', 'K', 'Y', 'UW2', 'Z']] 

---

zu insta ll die cmudict corpus in der Python-Interpreter Typ:

>>> import nltk 
>>> nltk.download() 
Use GUI to install 
corpora>cmudict 

Answer 3

Was Sie wollen, verschiedentlich genannt wird „Brief klingen“ oder „Graphem-Phonem“ Motor. Es gibt einige wenige, einschließlich eines in jedem Text-zu-Sprache-System.

Ich behandle normalerweise nicht-US Akzente, für die ich espeak verwende. Es gibt nicht direkt arpabet aus (was ohnehin auf US-Sounds beschränkt ist), aber Sie können es sich überreden, einen amerikanischen Akzent zu verwenden und später von IPA zu arpabet zu konvertieren.

>>> from subprocess import check_output 
>>> print check_output(["espeak", "-q", "--ipa", 
         '-v', 'en-us', 
         'hello world']).decode('utf-8') 
həlˈoʊ wˈɜːld 

können Sie -x verwenden, anstatt --ipa für espeak eigene Telefon Darstellung (es ist ascii):

>>> check_output(["espeak", "-q", "-x", '-v', 'en-us', 'hello world']) 
h@l'oU w'3:ld 

Konvertierung ist arpabet nicht ganz so einfach wie ein Charakter Nachschau obwohl; zum Beispiel sollte "tʃ" in "CH" umgewandelt werden, nicht das "T SH", das dir eine gierige Konvertierung geben würde (außer in seltsamen Fällen wie "swɛtʃɑːp" für "Sweatshop").

Answer 4

Sie können ein kleines Dienstprogramm aus meinem Hörer-Projekt verwenden, um dies zu tun. Es verwendet espeak unter der Decke (zur Erzeugung IPA), dann eine Abbildung aus dem CMU-Wörterbuch extrahiert verwendet den Satz von ARPABet Zuordnungen zu erzeugen, die die IPA erzeugt, zum Beispiel passen könnte:

$ listener-arpa 
we are testing 
we 
     W IY 
are 
     ER 
     AA 
testing 
     T EH S T IH NG 

dass produziert genaue Anzünder auf dem CMU-Wörterbuch etwa 45% der Zeit (ich habe etwa 36% mit der dokumentierten Korrespondenz in CMU/Wikipedia), während ~ 3 Übereinstimmungen pro Wort (durchschnittlich) produziert. Das heißt, wir sehen ungefähr 99% der Zeit eine "enge Übereinstimmung", das heißt, obwohl wir das handmarkierte Wort nicht jedes Mal genau zuordnen können, sind wir im Allgemeinen nur von wenigen Phonemen abwesend.

$ sudo apt-get install espeak 
$ pip install -e git+https://github.com/mcfletch/listener.git#egg=listener