Post

Sherpa Onnx issues 2612 add phoonnx models

Posted
By your_full_name 4 min read

add phoonnx models #2612
https://github.com/k2-fsa/sherpa-onnx/issues/2612

这个 GitHub Issue #2612 是在做什么？

这个 Issue 来自 sherpa-onnx 项目（一个 ONNX 运行时的语音识别/合成工具），标题是“add phoonnx models”（添加 phoonnx 模型）。简单来说，开 issue 的人（@JarbasAl）想请求项目团队在 sherpa-onnx 中添加对 phoonnx 模型的支持。下面我一步步解释清楚，避免技术细节太深。

背景：Phoonnx 是什么？

  • Phoonnx 是作者自己开发的 TTS（Text-to-Speech，文本转语音）引擎，仓库在 https://github.com/TigreGotico/phoonnx。
  • 它还处于早期开发阶段，作者自己说“不是生产就绪的”（not production-ready），但已经能用了。
  • Phoonnx 的模型用 espeak（一个语音合成工具，用于生成音素）训练时，和 Piper TTS（另一个 TTS 系统）兼容。sherpa-onnx 项目之前已经在 PR #2530 中用过作者的这些模型。

Issue 的目的：想做什么？

  • 作者的最新训练代码让模型的 .json 配置文件稍有变化，所以他觉得是时候正式提个 issue，让 sherpa-onnx 官方支持 phoonnx 模型。
  • 重点是只支持用 espeak + IPA（国际音标）训练的模型，其他类型的（如非 espeak 的音素化器）还需要更多测试。
  • 好处：这样 sherpa-onnx 就能直接运行 phoonnx 的语音模型了，尤其适合多语言场景（例子是阿拉伯语模型）。

Issue 里提供了什么？

  • 一个Python 脚本，用来处理 phoonnx 模型，让它兼容 sherpa-onnx。具体步骤：
    1. 加载模型的 .json 配置。
    2. 检查配置（必须是 IPA 字母表 + espeak 音素化器，否则报错）。
    3. 生成一个 tokens.txt 文件（列出音素 ID 映射，跳过无效的如换行符）。
    4. 在 ONNX 模型文件里添加元数据（metadata），比如：
      • 模型类型：vits（一种 TTS 架构）。
      • 语言：如 “Arabic”（阿拉伯语）。
      • 声音：如 “ar-SA”（阿拉伯语-沙特）。
      • 采样率、说话人数等。
      • 标记有 espeak 支持。
        - 脚本示例针对一个叫 “miro_ar-SA.onnx” 的阿拉伯语模型。

脚本代码大致长这样（简化版）：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import json
import onnx

# ... (加载配置、生成 tokens.txt 的函数)

def add_meta_data(filename, meta_data):
    model = onnx.load(filename)
    for key, value in meta_data.items():
        meta = model.metadata_props.add()
        meta.key = key
        meta.value = str(value)
    onnx.save(model, filename)

# 主函数：加载配置、验证、生成文件、添加元数据

当前状态

  • Issue 还是开放的，没有分配人、标签、分支或 PR。
  • 没有新评论或更新（从文档和最新检查看）。

为什么提这个 Issue？

本质上是作者想让 sherpa-onnx “拥抱”他的 phoonnx 项目，促进 TTS 生态整合。如果你对 TTS 感兴趣，可以去 phoonnx 仓库试试模型，或者在 Issue 下评论支持。假如你想深入，可以看原链接：https://github.com/k2-fsa/sherpa-onnx/issues/2612。

如果还有具体不懂的地方（如代码细节），再问我！

--

Comments powered by Disqus.