Contenu | Rechercher | Menus

Synthèse vocale

La synthèse vocale (ou TTS, pour Text To Speech) consiste à transformer un texte en suite de sons se rapprochant autant que possible de la parole humaine. Une des applications les plus évidentes de la synthèse vocale est l'accessibilité pour les mal-voyants. Il existe plusieurs synthétiseurs vocaux sous Linux, cette page ne se veut pas exhaustive.

La synthèse vocale procède en trois temps :

  1. transformation du texte en phonèmes ;
  2. prosodie (ajout d'informations de prononciation : accents toniques, indication de durée, etc.) ;
  3. assembler des sons pré-enregistrés en suivant les règles établies par les deux premières étapes.

Pour en savoir plus : Wikipedia (fr), Llia_Phon (fr).

Ce document a pour but de présenter la mise en œuvre de quelques solutions.

Comme la reconnaissance vocale va de pair avec la synthèse vocale vous serez sans doute intéressé par le site VoxForge.org. Vous pouvez y enregistrer un texte qui permettra d'intégrer votre voix dans les modèles de reconnaissance vocale, et ainsi les améliorer.

Certains logiciels open source sont compatibles avec les voix windows (dont certaines peuvent être libres, ou gratuites pour une utilisation non commerciale, voir ressources ).

Il serait utile de continuer la page dans une vision simple en tirant les idées manquantes de :

Intégration dans des logiciels

Logiciels avec synthèse vocale

Il ne s'agit en fait souvent que d'interface se basant sur un moteur de synthèse vocale (festival, espeak, etc.) :

Synthèse vocale dans Pidgin (simple)

La synthèse vocale dans Pidgin avec :

  • pidgin-festival : s'installe en 1 clic (installe Festival et Pidgin s'ils ne sont pas déjà installés). Vous pouvez déjà activer le plugin dans Pidgin, mais vous n'aurez qu'une voix anglaise. Il vous reste donc à installer une voix française et la sélectionner.

Dans le dictionnaire Stardict (simple)

Vous pouvez installer :

Synthèse vocale dans Openoffice.org ou LibreOffice.org (simple)

Il suffit d'installer l'extension readtext pour OpenOffice.org ou LibreOffice.org (compatible Festival et Espeak).

Voir comment installer une extension dans Openoffice.

Synthèse vocale dans Firefox

Cliquer ici pour installer l'extension FIREVOX, pour firefox (clicspeak y est intégré)

Basé sur Clickspeak.

Compatible :SAPI 5, Java FreeTTS, et ORCA

Voir le forum Ubuntu anglais pour l'installation de clicspeak : et mettre à jour cette partie. Merci.

Vous pouvez également utiliser Mathspeak pour la lecture de formule mathématique.

Intégration dans l'environnement de bureau

Il est possible d'intégrer ces solutions dans votre environnement de bureau, afin de faire lire le contenu des répertoires ou des pages internet par exemple.

Pour Gnome - avec des scripts (utilisateur avancé)

Voici quelques exemples d'intégration pour l'environnement Gnome. Pensez à adapter la configuration du script à votre convenance.

Lire le texte sélectionné à l'écran

L'utilisation du premier script décrit ci-dessous nécessite l'activation de Compiz. Vous pouvez néanmoins utiliser comme alternative un lanceur intégré au tableau de bord.

Pour faire marcher ce script, enregistrez-le où vous voulez et rendez-le exécutable. Il faut installer le paquet xclip. Ensuite, aller dans les préférences générales de Compiz (Menu Système → Préférences → Advanced Desktop Effects Settings → General Option). Sous l'onglet « Commands », choisissez une ligne vide et rentrez-y le chemin vers votre script, sous la forme « /chemin/vers/le/script/nom_du_script ». Ensuite, sous l'onglet « Actions » et la sous-partie « Commands », éditez le raccourci correspondant à la ligne où vous avez rentré le script (personnellement, j'utilise Ctrl–D en raccourci clavier, mais c'est vous qui voyez). L'utilisation est simple, vous sélectionnez du texte à l'écran, puis vous tapez votre raccourci. Une seconde pression sur le raccourci pendant la lecture l'interrompt.

#!/bin/bash
 
######### Début de la section de configuration #########
 
# définition de la voix à utiliser par Mbrola, à adapter selon la voix choisie et son chemin
VOIX=/opt/fr2/fr2
# TYPE=mb/mb-fr4 # à décommenter si vous avez téléchargé une voix de femme
# TYPE=mb/mb-fr1 # à décommenter si vous avez téléchargé une voix d'homme
 
######### Fin de la section de configuration #########
 
# on teste si la lecture est en cours, pour l'arrêter le cas échéant
if [ ! -z $(ps -A | grep mbrola | awk '{ print $1 }' ) ]; then
     kill $(ps -A | grep mbrola | awk '{ print $1 }' )
 
else
	# On traduit la sélection en phonèmes grâce à espeak, et on l'envoie à Mbrola
	xclip -o | espeak -v $TYPE -s 150 -p 40 "$@" | mbrola $VOIX - -.au | aplay
fi

Edit d'un autre utilisateur : Ou bien ci-dessous, une alternative avec un menu Zenity pour choisir la langue. Il faut bien sûr ne pas oublier de télécharger cette langue (us1 dans mon exemple) comme vous l'avez fait pour la langue fr4. J'ai aussi changé la boucle "if-else" pour un meilleur fonctionnement si Mbrola est déjà en cours.

#!/bin/bash
 
##### Affiche le menu Zenity #####
 
choix=`zenity --list --title="Choisissez la langue" --column="N°" --column="Langue" --height="200" \
1 français \
2 anglais `
 
##### Sélection automatique de la langue choisie dans le menu Zenity ##### 
 
case $choix in
 1 ) VOIX=/opt/fr2/fr2 && TYPE=mb/mb-fr4 ;; # pour une voix de femme en français
 2 ) VOIX=/opt/us1/us1 && TYPE=mb/mb-us1  ;; # pour une voix de femme en anglais
esac
 
# on teste si la lecture est en cours, pour l'arrêter le cas échéant
if [ ! -z $(ps -A | grep mbrola | awk '{ print $1 }' ) ]; then
     kill $(ps -A | grep mbrola | awk '{ print $1 }' ) && sleep 2
fi
 
# On traduit la sélection en phonèmes grâce à Espeak, et on l'envoie à Mbrola
xclip -o | espeak -v $TYPE -s 150 -p 40 "$@" | mbrola $VOIX - -.au | aplay

Lire le contenu d'un fichier texte

Placez ce script dans « /home/VOTRE_LOGIN/.gnome2/nautilus-scripts/ » et le rendre exécutable. Il permet, par un clic droit sur un fichier, menu Scripts → nom_de_votre_script, de lire le contenu de ce fichier. Refaire cette opération pendant la lecture en cours interrompra la lecture.

#!/bin/bash
 
######### Début de la section de configuration #########
 
# définition de la voix à utiliser par Mbrola, à adapter selon la voix choisie et son chemin :
VOIX=/opt/fr2/fr2
TYPE=mb/mb-fr4
# TYPE=mb/mb-fr1 # à décommenter si vous avez téléchargé une voix d'homme
 
######### Fin de la section de configuration #########
 
# on teste si la lecture est en cours, pour l'arrêter le cas échéant
if [ ! -z $(ps -A | grep mbrola | awk '{ print $1 }' ) ]; then
     kill $(ps -A | grep mbrola | awk '{ print $1 }' )
 
else
	# On traduit le fichier en phonèmes grâce à espeak, et on l'envoie à Mbrola
	espeak -v $TYPE -s 150 -f "$@" | mbrola $VOIX - -.au | aplay
fi

Lire la liste des éléments contenus dans un répertoire

Placez ce script dans /home/VOTRE_LOGIN/.gnome2/nautilus-scripts/ et le rendre exécutable. Il permet par un clic droit sur un répertoire, menu scripts / nom_de_votre_script de lire le contenu de ce répertoire. Refaire cette opération pendant la lecture en cours interrompra la lecture.

#!/bin/bash
 
######### Début de la section de configuration #########
 
# définition de la voix à utiliser par Mbrola, à adapter selon la voix choisie et son chemin
VOIX=/opt/fr2/fr2
# TYPE=mb/mb-fr4 # à décommenter si vous avez téléchargé une voix de femme
# TYPE=mb/mb-fr1 # à décommenter si vous avez téléchargé une voix d'homme
 
######### Fin de la section de configuration #########
 
# on teste si la lecture est en cours, pour l'arrêter le cas échéant
if [ ! -z $(ps -A | grep mbrola | awk '{ print $1 }' ) ]; then
     kill $(ps -A | grep mbrola | awk '{ print $1 }' )
 
else
 
   #On liste les fichiers contenus dans le répertoire ou bien ceux sélectionnés par la souris
   FICHIERS=`ls -1 --quoting-style=c "$@"`
 
   for TEXTE in $FICHIERS
   do
 
	# On traduit le fichier texte temporaire en phonèmes grâce à Espeak, et on l'envoie à Mbrola
        espeak -v $TYPE -s 140 -p 40 $TEXTE | mbrola $VOIX - -.au | aplay
   done
 
fi

Lire le contenu du presse papier

(ou de la sélection, à l'aide d'un raccourci clavier)

Version améliorée, sans besoin de Compiz

Au préalable, installez les paquets xclip recode xbindkeys

Ensuite Installation du script diphorect ⇐cliquez ici, ou voir plus haut

Une fois ces paquets et le script installé, faites :

gedit "$HOME/.gnome2/nautilus-scripts/Lit le presse papier par synthèse vocale"

Copiez-y le script suivant : Lien vers le forum

Sauvegardez et rendez le script exécutable par un :

sudo chmod +X "$HOME/.gnome2/nautilus-scripts/Lit le presse papier par synthèse vocale"

À partir de là vous pouvez faire lire votre sélection de texte ou le contenu du presse-papier (texte copié par [Ctrl+C] par exemple) en cliquant avec le bouton droit sur le bureau ou une fenêtre nautilus et en choisissant "scripts / lit le contenu…"

Pour définir un raccourci clavier regardez la section xbindkeys de la page comment_creer_raccourcis_clavier Pour utiliser par exemple [ctrl+F12] pour démarrer arrêter la lecture, utilisez :

"$HOME'/.gnome2/nautilus-scripts/Lit le presse papier par synthèse vocale'"
    Control+Mod2 + F12

dans le fichier de configuration de xbindkeys.

Et voilà, en principe tout marche !

Que ce soit pour me le faire savoir ou parce qu'au contraire vous avez un problème… N'hésitez pas à m'envoyer un message par ici : mysteroid.

Voici une liste de fil traitant de divers scripts comportant tous une synthèse vocale.

Script de diction de l'heure

Script de diction du pourcentage de batterie restant

Réglage du volume avec assistance vocale

Consultation de la boite Gmail

Aide à la navigation Nautilus

http://forum.ubuntu-fr.org/viewtopic.php?id=413950

Voilà en espérant que tout cela pourra servir à d'autre…

Pour KDE

KDE offre une manière élégante et simple 1)2) de lire du texte affiché à l'écran : KTTS .

Pour le mettre en place il suffit d'installer les paquets kttsd ksayit.

  • kttsd est le démon.
  • KSayIt une application permettant de lire un document copié ou que l'on tape.
  • La synthèse vocale sera également intégrée dans Konqueror et dans Kate[3]

Commençons par créer un script qui enchaîne les différentes étapes, créer /opt/mbrola/tts et insérer :

#!/bin/sh
echo $1 | iconv -f UTF-8 -t ISO_8859-1 > $2
/opt/mbrola/lliaphon/bin/lliaphon $2 > /tmp/log 2>&1
/opt/mbrola/mbrola -e -t 0.75 \
      -I /opt/mbrola/lliaphon/share/lliaphon/initfile.lia \
      /opt/mbrola/fr2/fr2 \
      `echo $2|sed s/\.txt$/\.ola/` $3 >> /tmp/log 2>&1

Sans oublier de donner les droits d'éxecution :

 chmod u+x /opt/mbrola/tts

Pour configurer ktts, deux solutions :

  • à partir de KSayIt : Settings/Configure KSayIt/Launch Control Center
  • en lançant kttsmgr à partir de la ligne de commande

Puis nous allons configurer kttsmgr pour qu'il utilise le couple lliaphon/mbrola :

  • Talkers / Ajouter / Langue: autre / Synthesizer: Show all - commande
  • Choisir la langue dans la fenêtre qui apparaît
  • Entrez la commande : /opt/mbrola/tts %t %f %w
  • Et voila, relancez Konqueror et vous avez maintenant une option pour lire le texte sélectionné.

Programme console

  • yasr
  • screader
  • eflite (emacspeak)

Autres environnements

FIXME

Les logiciels de synthèse vocale en détail

Festival

Festival est un synthétiseur vocal, pour lequel il n'existe apparemment pas de voix française directement pour l'instant (avis aux amateurs…).

Mais il existe un patch (ou un fork) pour festival afin d'avoir les voix françaises : Franfest.

De même festival peut utiliser les voix française de Mbrola - (et Sapi).

Il peut fonctionner en mode interactif, même si ça n'a pas l'air très intuitif de prime abord…

Site officiel : http://www.cstr.ed.ac.uk/projects/festival/

Pour l'installer, il suffit d'installer le paquet festival, et d'autres voix anglaises. ( voir également plus d'information relative sur wikipedia )

Un exemple simple :

echo "That's really a pity I'm not able to speak French"  | festival --tts

Pour connaître les options :

festival --help

Si vous obtenez une erreur du type can't open /dev/dsp, réessayez après avoir fermé toutes les applications (y compris les pages internet nécessitant certains plugins) utilisant le son.

On peut éviter le can't open /dev/dsp en redirigeant le son vers ALSA. Pour cela, on demande à festival de sortir le son avec aplay. On créé un fichier de conf festival avec la commande :

gedit ~/.festivalrc

Puis, on y met:

(Parameter.set 'Audio_Command "aplay -t wav -r $SR $FILE")
(Parameter.set 'Audio_Method 'Audio_Command)
(Parameter.set 'Audio_Required_Format 'wav)

Espeak

Site officiel d' Espeak.

Ce synthétiseur vocal étant disponible dans les dépôts Ubuntu il vous suffira d'installer son paquet : Espeak.

Si vous souhaitez aussi installer une interface graphique pour espeak, reportez-vous à la page « gespeaker »

Il suffit ensuite de donner votre texte en pâture à Espeak, soit par l'intermédiaire d'un fichier texte :

espeak -v fr -f texte.txt

soit directement en ligne de commande :

espeak -v fr "Votre texte à lire..."

ou encore par un "pipe" sur la sortie standard :

echo "Lis mon texte" | espeak -v fr

L'option -v définit la langue/voix à utiliser. D'autres options peuvent être utiles, comme l'option -s qui permet de définir le nombre de mots par minutes, ou -p qui règle la hauteur (grave/aigu) de la voix. Pour plus d'options :

espeak --help

Malheureusement, le rendu d'Espeak n'est pas exceptionnel. Il est possible d'obtenir de meilleurs résultats, notamment en le combinant avec MBROLA.

Si vous recevez le message d'erreur "bt_audio_service_open: connect() failed: Connection refused (111)", enlevez le paquet bluez-alsa (support bluetooth audio).

Si vous avez lors du lancement une dizaine d'erreurs testant des périphériques bluetooth etc comme ceci :

ALSA lib pcm_dmix.c:1018:(snd_pcm_dmix_open) unable to open slave
ALSA lib pcm.c:2217:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.rear
ALSA lib pcm.c:2217:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.center_lfe
ALSA lib pcm.c:2217:(snd_pcm_open_noupdate) Unknown PCM cards.pcm.side
ALSA lib audio/pcm_bluetooth.c:1614:(audioservice_expect) BT_GET_CAPABILITIES failed : Input/output error(5)
ALSA lib audio/pcm_bluetooth.c:1614:(audioservice_expect) BT_GET_CAPABILITIES failed : Input/output error(5)
ALSA lib audio/pcm_bluetooth.c:1614:(audioservice_expect) BT_GET_CAPABILITIES failed : Input/output error(5)
ALSA lib audio/pcm_bluetooth.c:1614:(audioservice_expect) BT_GET_CAPABILITIES failed : Input/output error(5)
ALSA lib pcm_dmix.c:957:(snd_pcm_dmix_open) The dmix plugin supports only playback stream
ALSA lib pcm_dmix.c:1018:(snd_pcm_dmix_open) unable to open slave
Cannot connect to server socket err = No such file or directory
Cannot connect to server request channel
jack server is not running or cannot be started

Une première solution (peut être pas optimale ?) consiste alors à lancer espeak ainsi :

espeak -v en "Hello i am espeak" --stdout|paplay

(après avoir installé paplay via pulseaudio-utils, source : http://askubuntu.com/questions/82118/espeak-returns-error-on-ubuntu-server)

MBROLA

Le projet MBROLA est développé à la faculté Polytechnique de Mons, et comporte un grand nombre de langages/voix.

Site officiel : http://tcts.fpms.ac.be/synthesis/mbrola.html

Installation

Pour l'installer, il suffit d'installer le paquet mbrola.

Désormais, un certain nombre de voix pour mbrola - pour diverses langues - sont présentes dans les dépôts (chercher mbrola dans Synaptic).

Par défaut les voix de mbrola s'installent dans /usr/share/mbrola/voices/ (Ubuntu 11.10 : dans /usr/share/mbrola/) Si vous les mettez ailleurs, espeak (voir plus bas) ne les trouvera pas.

En outre l'ensemble des voix sont téléchargeables depuis le site officiel deuxième partie de la page. Extraire le fichier zip dans « /usr/share/mbrola/voices/ » (Attention : les fichiers voix "fr1" "fr2" … ne doivent pas être dans un sous répertoire, ils doivent être directement sous …/voices/).

Les voix françaises de mbrola (non libre):

MBROLA est également disponible sous forme de fichiers binaires téléchargeables première partie de la page. 3) On extrait le fichier qui correspond à son architecture (le plus souvent i386) dans un répertoire au choix, de préférence /usr/bin/ (là où se fait l'installation par les dépôts).

Combinaison avec espeak

MBROLA ne fait pas directement la transformation de texte en voix. Il traite des fichiers de phonèmes. Une autre application, capable de décomposer du texte en phonème est donc nécessaire. Les voix de mbrola donnent un rendu plus naturel que les voix de espeak (lesquelles sont très "robotiques"), d'où l'intérêt de combiner les deux.

Avec espeak préalablement installé, on peut traduire un texte en phonèmes, en passant à l'option -v les arguments mb/mb-fr1 (voix masculine) ou mb/mb-fr4 (voix féminine). On crée un fichier de phonème dans un format compatible avec mbrola :

espeak -v mb/mb-fr4 -f votre_fichier_texte --pho  --phonout=texte.pho

Pour être compatible avec mbrola, le fichier .pho (qui est un fichier texte éditable) doit comprendre sur chaque ligne : un phonème suivi de sa durée suivi éventuellement d'indications de hauteur. Mettre en commentaire avec ; les autres lignes. Voir exemple ci-dessous.


Fichier exemple : bonjour.pho

; bO~Z'ur

b 65

o~ 35 0 94 20 95 40 96 59 97 80 99 100 99

Z 65

u 40 0 117 80 109 100 109

R 65


Cette note concerne la version Hardy, la génération de phonèmes étant boguée, pour les dernières versions (testé sous Maverick), cette manipulation n'est plus nécessaire (vérifiez la présence du répertoire "mb" sous /usr/share/espeak-data/voices/).

Pour Hardy : les fichiers de configuration d'Espeak pour Mbrola ne sont pas présents dans la version fournie dans les dépôts officiels d'Ubuntu. Pour pouvoir l'utiliser, il faut télécharger la version officielle d'Espeak. Ensuite, dézippez le fichier puis copiez le répertoire espeak-data/voices/mb dans le répertoire /usr/share/espeak-data/voices/. (Il vous faudra les droits superutilisateur).

Pour faire ensuite parler l'ordinateur, il suffit de lire les phonèmes avec MBROLA et de rediriger la sortie soit vers un lecteur audio :

mbrola /usr/share/mbrola/voices/fr1 texte.pho -.au | aplay

ou pour passer par pulseaudio

mbrola /usr/share/mbrola/voices/fr1 texte.pho -.au | paplay

soit vers un fichier wav :

mbrola /usr/share/mbrola/voices/fr1 texte.pho texte.wav

À la place d'utiliser un fichier contenant des phonèmes, on peut aussi directement envoyer à Mbrola la sortie standard :

espeak -v mb/mb-fr1 -f votre_fichier_texte | mbrola /usr/share/mbrola/voices/fr1 - -.au | aplay

ou

espeak -v mb/mb-fr1 'votre texte ici' | mbrola /usr/share/mbrola/voices/fr1 - -.au | aplay

Apparemment il n'y a pas besoin d'invoquer mbrola : espeak peut utiliser les voix mbrola lui-même (si elles ont été installées au bon endroit) :

espeak -v mb/mb-fr1 -f votre_fichier_texte

La voix féminine fr4 reste masculine si on n'utilise pas la commande mbrola.

Pour plus d'information sur les options disponibles :

man mbrola

Il semble que l'expression "on a" génère un phonème "n2" illisible par Mbrola. Pour contourner ce problème si vous l'avez également, voir ci-dessous

Solution n°1

On peut ajouter les options4) -e, -C et -R à Mbrola :

  • -e = IGNORE fatal errors on unkown diphone
  • -C CL = Phoneme CLONE list of the form a A b B …
  • -R RL = Phoneme RENAME list of the form a A b B …

exemple :

mbrola -e -C "n n2 s z3" /opt/fr2/fr2 - -.au
Solution n°2

substituer (commande « s ») à l’aide des expressions rationnelles/régulières de sed aux deux codes de phonèmes problématiques (en début de ligne), « n2 » et « z3 » respectivement « n » et « s » :

[entrée] | sed -e "s/^n2 /n /"| sed -e "s/^z3 /s /" | [sortie]

« ^ » dénotant le début de ligne.

Soit :

espeak -v mb/mb-fr1 'votre texte ici' | sed -e "s/^n2 /n /"| sed -e "s/^z3 /s /" | mbrola /usr/share/mbrola/voices/fr1 - -.au | aplay

NB cette solution n’implique pas l’emploi d’un fichier de phonèmes intermédiaire

Solution n°3

1- Il vous faudra dans ce cas procéder en 2 étapes, créez un fichier des phonèmes de votre texte à lire par :

espeak -v mb/mb-fr1 -f "votre_fichier_texte" > texte.pho

ou

espeak -v mb/mb-fr1 "votre texte à lire ici..." > texte.pho

2- Envoi des phonèmes (corrigés au passage) vers Mbrola puis aplay pour lecture.

diphorect.sh "texte.pho" | mbrola /opt/fr1/fr1 - -.au | aplay

Il vous faudra au préalable installer le script "diphorect" sur votre ordinateur comme indiqué ci-dessous

Installation du script diphorect

script de conversion du phonème problématique "n2"

Créez (avec les droits administrateur) le fichier /usr/bin/diphorect.sh

Copiez et collez le script que vous trouverez ici :

Forum, sujet Diphorect

Ensuite rendez le script exécutable par :

sudo chmod +X /usr/bin/diphorect.sh

Et voilà, vous êtes prêt ! ;-)

Voir aussi

Liens

Pages officielles de ces projets, et d'autres :

Sur la documentation ubuntu anglaise.

  • emofilt un logiciel open-source qui permet d'ajouter de l'émotion à la parole

Wiki rassemblant des liens de synthese vocale :

Tutoriaux

Ressources : des voix

Les voix françaises de mbrola (non libre):

Pages en rapport

Reconnaissance vocale (Opération inverse)


Contributeurs : Page initiale par Skippy le Grand Gourou, herberts, Balkoth et Dud, à partir du sujet http://forum.ubuntu-fr.org/viewtopic.php?pid=1469124. Corrections et compléments par Mysteroïd, Psychederic mohican : refonte pour la simplicité d'abord, et ajout de compléments.

1) comme toujours
2) référence nécessaire !
3) Il y a aussi des « .deb » ici (troisième ligne linux), je sais pas ce qu'il y a dedans…
4) cf paragraphe « Renaming and Cloning phonemes » voir ce message en anglais ou idem


Le contenu de ce wiki est sous licence : CC BY-SA v3.0