文章目录
-
-
- 一、实现目标
- [二、安装 Montreal-Forced-Aligner](#二、安装 Montreal-Forced-Aligner)
-
- [1、使用 Anaconda 虚拟环境](#1、使用 Anaconda 虚拟环境)
- 2、修改默认下载路径
- [3、安装 montreal-forced-aligner 及相关第三方包](#3、安装 montreal-forced-aligner 及相关第三方包)
- 4、验证是否安装成功
- 三、下载声学模型和发音词典
- 四、强制对齐
- [五、使用 Praat 工具查看对齐效果](#五、使用 Praat 工具查看对齐效果)
- 六、参考资料
-
一、实现目标
一份音频文件(audio.wav)，一份音频对应的文本文件(audio.txt)，希望能够列出文本中每个单词在音频当中出现的时间点。
二、安装 Montreal-Forced-Aligner
需要在 Anaconda 中创建虚拟环境后安装使用，所以需要先安装 Anaconda，此处已经安装完成，不再说明相关安装流程。
1、使用 Anaconda 虚拟环境
点击 Anaconda Prompt：
创建虚拟环境：
conda create -n aligner
注：此处指定虚拟环境名称为 aligner，可自定义。
激活该虚拟环境：
conda activate aligner
2、修改默认下载路径
在下载对应模型及词典前，可通过添加环境变量 MFA_ROOT_DIR 修改默认下载路径：
更多详情参见：https://montreal-forced-aligner.readthedocs.io/en/latest/user_guide/configuration/index.html
3、安装 montreal-forced-aligner 及相关第三方包
conda install -c conda-forge montreal-forced-aligner=2.2.17 openfst=1.8.2 kaldi=5.5.1068
注：可能因为网络问题需要等待很长时间。
安装详情参见：https://montreal-forced-aligner.readthedocs.io/en/latest/installation.html
4、验证是否安装成功
mfa
验证是否安装成功：
三、下载声学模型和发音词典
1、命令行方式下载
- 声学模型：
mfa model download acoustic english_us_arpa
- 发音词典：
mfa model download dictionary english_us_arpa
注：此处安装的是 english_us_arpa，可根据需要自行跟换。下载完成后的压缩包不要解压。
查看可安装的声学模型列表：
mfa model download acoustic
此处以下载 english_mfa 为例，展示下载完成界面：
网络问题可能无法下载成功，尝试手动下载。
2、手动方式下载
下载地址：https://mfa-models.readthedocs.io/en/latest/
此处以下载发音词典 dictionary 为例，展示下载过程，声学模型 acoustic models 下载方式同理：
(1) 点击图片中的 Browse dictionaries，进入下载界面，通过关键字检索：
(2) 进入详情页后，点击跳转至 github 下载：
(3) 拉至页面底部，点击下载
(4) 将文件放至环境变量对应的目录下
如果是 dictionary 就放在 pretrained_models/dictionary 文件夹下，同理，如果下载声学模型 acoustic 则放在 pretrained_models/acoustic 文件夹下：
注：下载的声学模型压缩包不要解压。pretrained_models 文件夹是安装完 MFA 后自动生成的不用自行创建。
四、强制对齐
1、准备音频及对应文本
创建 corpus_path 和 target_path 文件夹：
将音频及文本文件放置 corpus_path 文件夹中：
2、开始对齐
mfa align D:\AnacondaCLI\mfa_model_dic\pretrained_models\corpus_path english_us_arpa english_us_arpa D:\AnacondaCLI\mfa_model_dic\pretrained_models\target_path
参数说明：
mfa align [OPTIONS] CORPUS_DIRECTORY DICTIONARY_PATH ACOUSTIC_MODEL_PATH OUTPUT_DIRECTORY
CORPUS_DIRECTORY：需要对齐的音频及文本的文件夹路径DICTIONARY_PATH：发音词典路径ACOUSTIC_MODEL_PATH：声学模型路径OUTPUT_DIRECTORY：对齐后生成的文件的存放路径
可在命令行后面追加 --clean 参数清除上一次使用的缓存，否则即便清空 corpus_path 文件夹下的内容后添加新的数据，执行命令后依然显示之前对齐的结果。
此处可直接使用 english_us_arpa 是因为模型及词典放置在了默认文件夹下，所以无需填写完整路径。
对齐：
查看文件：
五、使用 Praat 工具查看对齐效果
Praat 工具下载链接：https://www.fon.hum.uva.nl/praat/
添加对齐后的文件和音频文件至目标区域：
添加对齐后的文件：
添加对应的音频文件：
同时选中后点击 View & Edit 按钮：
查看对齐结果：
六、参考资料
官方资料：
相关博客：
- 安装与使用Montreal Forced Aligner(MFA）
- Montreal Forced Aligner Windows笔记
- Montreal Forced Aligner使用教程（中文语音文本对齐）
- Montreal Forced Aligner (MFA)安装教程及异常处理
- 中文语音文本对齐-MFA-不需要配环境的傻瓜教程
- Forced Alignment 踩坑日志
其他：