DFPlayer

[Celeron]

Vážení, nezkoušel jste někdo udělat s tímhle modulem "hlasovou syntézu" ? Konkrétně mám představu nahrát na SD kartu soubory s hláškama pro rozsah čísel 0-999. Tedy jednotky "nula, jedna až devět", desítky "deset až dvacet až devadesát" a stovky "sto až devětset" a samostatně rozsah 11-19.
No a potom podle čísla skládat přes názvy souborů jednotlivý hlášení čísel, třeba 528 = "pětset", "dvacet", "osm". Jde mi o to, jestli to bude zvládat dostatečně rychle výběr souborů tak aby "přehraný číslo" bylo s rozumnejma mezerama mezi přehrávanejma souborama jednotlivých řádů čísla. Prostě pomalu vyslovený číslo.
Pak by bylo ještě pár desítek celých slov jako třeba "sekund", "metrů"," stoupání", "klesání" a pod, prostě nějaká hláška před číslo nebo za číslo.
Předpokládám poslat název souboru úvodní hláška, počkat Busy, poslat název souboru stovky, počkat na Busy, poslat název souboru desitky (s přihlédnutím na rozsah 11-19), počkat na Busy a pak pro jednotky atd...
DFPlayer zatím nemám abych si to mohl odzkoušet a taky abych se zbytečně nesnažil, pokud to zjevně nebude stíhat.
Díky!

[Dikobraz]

Zdravím, něco podobného provozujou v hlášeních dopravního podniku Ostrava a zní to nepřirozeně až nepříjemně.

[Celeron]

Myslíš jako zkreslení hlasu, nebo různě dlouhý mezery mezi skládanejma slovama? Zkreslení hlasu to asi moc neudělá, máš tam nahraný MP3 nebo WAVy třeba svýho vlastního hlasu, ne nějakou digitální umělinu.

[Dikobraz]

Problém jsou ty pauzy. linka--sto---tři--hranečník.

[FHonza]

Montoval jsem to do mašinky, přehrává to různé soubory podle rychlosti a pod. Prodleva tam je, ale není to nic hrozného. A je to přesně jak píšeš, spustíš, čekáš na "Busy", pustíš další ...

Jo a píšou podporu max 32GB MicroSD, mně v tom modulu nechodila větší než 2GB. Což i tak je mnohem víc než jsem potřeboval.

[FHonza]

Montoval jsem to do mašinky, přehrává to různé soubory podle rychlosti a pod. Prodleva tam je, ale není to nic hrozného. A je to přesně jak píšeš, spustíš, čekáš na "Busy", pustíš další ...

Jo a píšou podporu max 32GB MicroSD, mně v tom modulu nechodila větší než 2GB. Což i tak je mnohem víc než jsem potřeboval.

[EKKAR]

Běžně to je v provozu na nádražích ČD jako hlásnej systém - " !GONG! - Prosím pozor - zpožděný - rychlík - číslo - sto--sedmdesát--tři - ze směru - Olomouc, Zábřeh na Moravě - přijede na - třetí - nástupiště - služebně - dvanáctou - kolej. --- Vlak pokračuje ve směru - Pardubice - Kolín - Praha Libeň - Praha Hlavní nádraží." Hlavně ty mezery ve složenejch číslovkách jsou děsný, vůbec jim to nenavazuje. Ono ten kdo tyhle hlášenky načítá s tím umělým navazováním musí počítat a podle toho i mluvit do záznamu, jenže když každej tu číslovku vysloví jako jednotlivý izolovaný slovo, použije jinou intonaci, než když to říká ve složeným slově nebo dokonce ve větě. No a ti "tvůrci" těch hlášenek místo aby tu osobu nechali namluvit plynule navázanou sekvenci třeba "stodevadesátpět" a to sousloví uměle rozstříhali na počítači a znovu slepili se slovní podobou jednotek, aby získali celou desítku, tak to složí ze 3 slov - sto; devadesát; pět - ale už neeliminujou ty poklesy intonace na konci každýho slova ...

[EKKAR]

Běžně to je v provozu na nádražích ČD jako hlásnej systém - " !GONG! - Prosím pozor - zpožděný - rychlík - číslo - sto--sedmdesát--tři - ze směru - Olomouc, Zábřeh na Moravě - přijede na - třetí - nástupiště - služebně - dvanáctou - kolej. --- Vlak pokračuje ve směru - Pardubice - Kolín - Praha Libeň - Praha Hlavní nádraží." Hlavně ty mezery ve složenejch číslovkách jsou děsný, vůbec jim to nenavazuje. Ono ten kdo tyhle hlášenky načítá s tím umělým navazováním musí počítat a podle toho i mluvit do záznamu, jenže když každej tu číslovku vysloví jako jednotlivý izolovaný slovo, použije jinou intonaci, než když to říká ve složeným slově nebo dokonce ve větě. No a ti "tvůrci" těch hlášenek místo aby tu osobu nechali namluvit plynule navázanou sekvenci třeba "stodevadesátpět" a to sousloví uměle rozstříhali na počítači a znovu slepili se slovní podobou jednotek, aby získali celou desítku, tak to složí ze 3 slov - sto; devadesát; pět - ale už neeliminujou ty poklesy intonace na konci každýho slova ...

[piCZus]

Jaké jsou možnosti na těchto SoC (RPi, Arduino atd.) rozjet rovnou TTS? Hlasová syntéza by tohle mohla vyřešit, jenom by se dopředu připravily celé věty, které by byly přečteny akorát trochu "roboticky".

[FHonza]

Něco existuje. Konkrétně jsem zkoušel někdy na konci roku toto:
https://github.com/jscrane/TTS

Je to taková hračka, do robota pro děti dobrý Co se týče srozumitelnosti, tak to se mi jeví DFPlayer lepší. Navíc slabiky, kde je "Ř", "Ď" (a další) se musí přepisovat tak, aby původní slovo to alespoň připomínalo.

[FHonza]

Něco existuje. Konkrétně jsem zkoušel někdy na konci roku toto:
https://github.com/jscrane/TTS

Je to taková hračka, do robota pro děti dobrý Co se týče srozumitelnosti, tak to se mi jeví DFPlayer lepší. Navíc slabiky, kde je "Ř", "Ď" (a další) se musí přepisovat tak, aby původní slovo to alespoň připomínalo.

[piCZus]

Ale tyhle nedostatky jsou jen SW. V telefonech to bylo nedávno také nic moc, ale momentálně je to někde jinde. České TTS od Googlu (v Androidu) je zcela bezproblémové. Nejspíš by šlo naroubovat i na jiné platformy, pokud nebudou zábranou licenční podmínky.

Edit: příklad - stránky

[ZdenekHQ]

Kvůli tomuhle modulu jsem se parádně pohádal. Já prosazoval řízení po UART, chlap tvrdošíjně trvá na tom, že stačí simulovat stisk dvou hlavních tlačítek ADKEY. BUSY nezapojeno. Tak bude po jeho. Pozor - provoz na dálku přes bezdrát či WIFI. Prý včetně ovládání hlasitosti. Ten manuál v životě nečetl.

[ZdenekHQ]

Kvůli tomuhle modulu jsem se parádně pohádal. Já prosazoval řízení po UART, chlap tvrdošíjně trvá na tom, že stačí simulovat stisk dvou hlavních tlačítek ADKEY. BUSY nezapojeno. Tak bude po jeho. Pozor - provoz na dálku přes bezdrát či WIFI. Prý včetně ovládání hlasitosti. Ten manuál v životě nečetl.