471 lines
9.8 KiB
Python
471 lines
9.8 KiB
Python
|
# Convert Japanese text to phonemes which is
|
|||
|
|
# compatible with Julius https://github.com/julius-speech/segmentation-kit
|
|||
|
|
|
|||
|
|
import re
|
|||
|
|
import unicodedata
|
|||
|
|
|
|||
|
|
try:
|
|||
|
|
import MeCab
|
|||
|
|
except ImportError as e:
|
|||
|
|
raise ImportError("Japanese requires mecab-python3 and unidic-lite.") from e
|
|||
|
|
from num2words import num2words
|
|||
|
|
|
|||
|
|
_CONVRULES = [
|
|||
|
|
# Conversion of 2 letters
|
|||
|
|
"アァ/ a a",
|
|||
|
|
"イィ/ i i",
|
|||
|
|
"イェ/ i e",
|
|||
|
|
"イャ/ y a",
|
|||
|
|
"ウゥ/ u:",
|
|||
|
|
"エェ/ e e",
|
|||
|
|
"オォ/ o:",
|
|||
|
|
"カァ/ k a:",
|
|||
|
|
"キィ/ k i:",
|
|||
|
|
"クゥ/ k u:",
|
|||
|
|
"クャ/ ky a",
|
|||
|
|
"クュ/ ky u",
|
|||
|
|
"クョ/ ky o",
|
|||
|
|
"ケェ/ k e:",
|
|||
|
|
"コォ/ k o:",
|
|||
|
|
"ガァ/ g a:",
|
|||
|
|
"ギィ/ g i:",
|
|||
|
|
"グゥ/ g u:",
|
|||
|
|
"グャ/ gy a",
|
|||
|
|
"グュ/ gy u",
|
|||
|
|
"グョ/ gy o",
|
|||
|
|
"ゲェ/ g e:",
|
|||
|
|
"ゴォ/ g o:",
|
|||
|
|
"サァ/ s a:",
|
|||
|
|
"シィ/ sh i:",
|
|||
|
|
"スゥ/ s u:",
|
|||
|
|
"スャ/ sh a",
|
|||
|
|
"スュ/ sh u",
|
|||
|
|
"スョ/ sh o",
|
|||
|
|
"セェ/ s e:",
|
|||
|
|
"ソォ/ s o:",
|
|||
|
|
"ザァ/ z a:",
|
|||
|
|
"ジィ/ j i:",
|
|||
|
|
"ズゥ/ z u:",
|
|||
|
|
"ズャ/ zy a",
|
|||
|
|
"ズュ/ zy u",
|
|||
|
|
"ズョ/ zy o",
|
|||
|
|
"ゼェ/ z e:",
|
|||
|
|
"ゾォ/ z o:",
|
|||
|
|
"タァ/ t a:",
|
|||
|
|
"チィ/ ch i:",
|
|||
|
|
"ツァ/ ts a",
|
|||
|
|
"ツィ/ ts i",
|
|||
|
|
"ツゥ/ ts u:",
|
|||
|
|
"ツャ/ ch a",
|
|||
|
|
"ツュ/ ch u",
|
|||
|
|
"ツョ/ ch o",
|
|||
|
|
"ツェ/ ts e",
|
|||
|
|
"ツォ/ ts o",
|
|||
|
|
"テェ/ t e:",
|
|||
|
|
"トォ/ t o:",
|
|||
|
|
"ダァ/ d a:",
|
|||
|
|
"ヂィ/ j i:",
|
|||
|
|
"ヅゥ/ d u:",
|
|||
|
|
"ヅャ/ zy a",
|
|||
|
|
"ヅュ/ zy u",
|
|||
|
|
"ヅョ/ zy o",
|
|||
|
|
"デェ/ d e:",
|
|||
|
|
"ドォ/ d o:",
|
|||
|
|
"ナァ/ n a:",
|
|||
|
|
"ニィ/ n i:",
|
|||
|
|
"ヌゥ/ n u:",
|
|||
|
|
"ヌャ/ ny a",
|
|||
|
|
"ヌュ/ ny u",
|
|||
|
|
"ヌョ/ ny o",
|
|||
|
|
"ネェ/ n e:",
|
|||
|
|
"ノォ/ n o:",
|
|||
|
|
"ハァ/ h a:",
|
|||
|
|
"ヒィ/ h i:",
|
|||
|
|
"フゥ/ f u:",
|
|||
|
|
"フャ/ hy a",
|
|||
|
|
"フュ/ hy u",
|
|||
|
|
"フョ/ hy o",
|
|||
|
|
"ヘェ/ h e:",
|
|||
|
|
"ホォ/ h o:",
|
|||
|
|
"バァ/ b a:",
|
|||
|
|
"ビィ/ b i:",
|
|||
|
|
"ブゥ/ b u:",
|
|||
|
|
"フャ/ hy a",
|
|||
|
|
"ブュ/ by u",
|
|||
|
|
"フョ/ hy o",
|
|||
|
|
"ベェ/ b e:",
|
|||
|
|
"ボォ/ b o:",
|
|||
|
|
"パァ/ p a:",
|
|||
|
|
"ピィ/ p i:",
|
|||
|
|
"プゥ/ p u:",
|
|||
|
|
"プャ/ py a",
|
|||
|
|
"プュ/ py u",
|
|||
|
|
"プョ/ py o",
|
|||
|
|
"ペェ/ p e:",
|
|||
|
|
"ポォ/ p o:",
|
|||
|
|
"マァ/ m a:",
|
|||
|
|
"ミィ/ m i:",
|
|||
|
|
"ムゥ/ m u:",
|
|||
|
|
"ムャ/ my a",
|
|||
|
|
"ムュ/ my u",
|
|||
|
|
"ムョ/ my o",
|
|||
|
|
"メェ/ m e:",
|
|||
|
|
"モォ/ m o:",
|
|||
|
|
"ヤァ/ y a:",
|
|||
|
|
"ユゥ/ y u:",
|
|||
|
|
"ユャ/ y a:",
|
|||
|
|
"ユュ/ y u:",
|
|||
|
|
"ユョ/ y o:",
|
|||
|
|
"ヨォ/ y o:",
|
|||
|
|
"ラァ/ r a:",
|
|||
|
|
"リィ/ r i:",
|
|||
|
|
"ルゥ/ r u:",
|
|||
|
|
"ルャ/ ry a",
|
|||
|
|
"ルュ/ ry u",
|
|||
|
|
"ルョ/ ry o",
|
|||
|
|
"レェ/ r e:",
|
|||
|
|
"ロォ/ r o:",
|
|||
|
|
"ワァ/ w a:",
|
|||
|
|
"ヲォ/ o:",
|
|||
|
|
"ディ/ d i",
|
|||
|
|
"デェ/ d e:",
|
|||
|
|
"デャ/ dy a",
|
|||
|
|
"デュ/ dy u",
|
|||
|
|
"デョ/ dy o",
|
|||
|
|
"ティ/ t i",
|
|||
|
|
"テェ/ t e:",
|
|||
|
|
"テャ/ ty a",
|
|||
|
|
"テュ/ ty u",
|
|||
|
|
"テョ/ ty o",
|
|||
|
|
"スィ/ s i",
|
|||
|
|
"ズァ/ z u a",
|
|||
|
|
"ズィ/ z i",
|
|||
|
|
"ズゥ/ z u",
|
|||
|
|
"ズャ/ zy a",
|
|||
|
|
"ズュ/ zy u",
|
|||
|
|
"ズョ/ zy o",
|
|||
|
|
"ズェ/ z e",
|
|||
|
|
"ズォ/ z o",
|
|||
|
|
"キャ/ ky a",
|
|||
|
|
"キュ/ ky u",
|
|||
|
|
"キョ/ ky o",
|
|||
|
|
"シャ/ sh a",
|
|||
|
|
"シュ/ sh u",
|
|||
|
|
"シェ/ sh e",
|
|||
|
|
"ショ/ sh o",
|
|||
|
|
"チャ/ ch a",
|
|||
|
|
"チュ/ ch u",
|
|||
|
|
"チェ/ ch e",
|
|||
|
|
"チョ/ ch o",
|
|||
|
|
"トゥ/ t u",
|
|||
|
|
"トャ/ ty a",
|
|||
|
|
"トュ/ ty u",
|
|||
|
|
"トョ/ ty o",
|
|||
|
|
"ドァ/ d o a",
|
|||
|
|
"ドゥ/ d u",
|
|||
|
|
"ドャ/ dy a",
|
|||
|
|
"ドュ/ dy u",
|
|||
|
|
"ドョ/ dy o",
|
|||
|
|
"ドォ/ d o:",
|
|||
|
|
"ニャ/ ny a",
|
|||
|
|
"ニュ/ ny u",
|
|||
|
|
"ニョ/ ny o",
|
|||
|
|
"ヒャ/ hy a",
|
|||
|
|
"ヒュ/ hy u",
|
|||
|
|
"ヒョ/ hy o",
|
|||
|
|
"ミャ/ my a",
|
|||
|
|
"ミュ/ my u",
|
|||
|
|
"ミョ/ my o",
|
|||
|
|
"リャ/ ry a",
|
|||
|
|
"リュ/ ry u",
|
|||
|
|
"リョ/ ry o",
|
|||
|
|
"ギャ/ gy a",
|
|||
|
|
"ギュ/ gy u",
|
|||
|
|
"ギョ/ gy o",
|
|||
|
|
"ヂェ/ j e",
|
|||
|
|
"ヂャ/ j a",
|
|||
|
|
"ヂュ/ j u",
|
|||
|
|
"ヂョ/ j o",
|
|||
|
|
"ジェ/ j e",
|
|||
|
|
"ジャ/ j a",
|
|||
|
|
"ジュ/ j u",
|
|||
|
|
"ジョ/ j o",
|
|||
|
|
"ビャ/ by a",
|
|||
|
|
"ビュ/ by u",
|
|||
|
|
"ビョ/ by o",
|
|||
|
|
"ピャ/ py a",
|
|||
|
|
"ピュ/ py u",
|
|||
|
|
"ピョ/ py o",
|
|||
|
|
"ウァ/ u a",
|
|||
|
|
"ウィ/ w i",
|
|||
|
|
"ウェ/ w e",
|
|||
|
|
"ウォ/ w o",
|
|||
|
|
"ファ/ f a",
|
|||
|
|
"フィ/ f i",
|
|||
|
|
"フゥ/ f u",
|
|||
|
|
"フャ/ hy a",
|
|||
|
|
"フュ/ hy u",
|
|||
|
|
"フョ/ hy o",
|
|||
|
|
"フェ/ f e",
|
|||
|
|
"フォ/ f o",
|
|||
|
|
"ヴァ/ b a",
|
|||
|
|
"ヴィ/ b i",
|
|||
|
|
"ヴェ/ b e",
|
|||
|
|
"ヴォ/ b o",
|
|||
|
|
"ヴュ/ by u",
|
|||
|
|
# Conversion of 1 letter
|
|||
|
|
"ア/ a",
|
|||
|
|
"イ/ i",
|
|||
|
|
"ウ/ u",
|
|||
|
|
"エ/ e",
|
|||
|
|
"オ/ o",
|
|||
|
|
"カ/ k a",
|
|||
|
|
"キ/ k i",
|
|||
|
|
"ク/ k u",
|
|||
|
|
"ケ/ k e",
|
|||
|
|
"コ/ k o",
|
|||
|
|
"サ/ s a",
|
|||
|
|
"シ/ sh i",
|
|||
|
|
"ス/ s u",
|
|||
|
|
"セ/ s e",
|
|||
|
|
"ソ/ s o",
|
|||
|
|
"タ/ t a",
|
|||
|
|
"チ/ ch i",
|
|||
|
|
"ツ/ ts u",
|
|||
|
|
"テ/ t e",
|
|||
|
|
"ト/ t o",
|
|||
|
|
"ナ/ n a",
|
|||
|
|
"ニ/ n i",
|
|||
|
|
"ヌ/ n u",
|
|||
|
|
"ネ/ n e",
|
|||
|
|
"ノ/ n o",
|
|||
|
|
"ハ/ h a",
|
|||
|
|
"ヒ/ h i",
|
|||
|
|
"フ/ f u",
|
|||
|
|
"ヘ/ h e",
|
|||
|
|
"ホ/ h o",
|
|||
|
|
"マ/ m a",
|
|||
|
|
"ミ/ m i",
|
|||
|
|
"ム/ m u",
|
|||
|
|
"メ/ m e",
|
|||
|
|
"モ/ m o",
|
|||
|
|
"ラ/ r a",
|
|||
|
|
"リ/ r i",
|
|||
|
|
"ル/ r u",
|
|||
|
|
"レ/ r e",
|
|||
|
|
"ロ/ r o",
|
|||
|
|
"ガ/ g a",
|
|||
|
|
"ギ/ g i",
|
|||
|
|
"グ/ g u",
|
|||
|
|
"ゲ/ g e",
|
|||
|
|
"ゴ/ g o",
|
|||
|
|
"ザ/ z a",
|
|||
|
|
"ジ/ j i",
|
|||
|
|
"ズ/ z u",
|
|||
|
|
"ゼ/ z e",
|
|||
|
|
"ゾ/ z o",
|
|||
|
|
"ダ/ d a",
|
|||
|
|
"ヂ/ j i",
|
|||
|
|
"ヅ/ z u",
|
|||
|
|
"デ/ d e",
|
|||
|
|
"ド/ d o",
|
|||
|
|
"バ/ b a",
|
|||
|
|
"ビ/ b i",
|
|||
|
|
"ブ/ b u",
|
|||
|
|
"ベ/ b e",
|
|||
|
|
"ボ/ b o",
|
|||
|
|
"パ/ p a",
|
|||
|
|
"ピ/ p i",
|
|||
|
|
"プ/ p u",
|
|||
|
|
"ペ/ p e",
|
|||
|
|
"ポ/ p o",
|
|||
|
|
"ヤ/ y a",
|
|||
|
|
"ユ/ y u",
|
|||
|
|
"ヨ/ y o",
|
|||
|
|
"ワ/ w a",
|
|||
|
|
"ヰ/ i",
|
|||
|
|
"ヱ/ e",
|
|||
|
|
"ヲ/ o",
|
|||
|
|
"ン/ N",
|
|||
|
|
"ッ/ q",
|
|||
|
|
"ヴ/ b u",
|
|||
|
|
"ー/:",
|
|||
|
|
# Try converting broken text
|
|||
|
|
"ァ/ a",
|
|||
|
|
"ィ/ i",
|
|||
|
|
"ゥ/ u",
|
|||
|
|
"ェ/ e",
|
|||
|
|
"ォ/ o",
|
|||
|
|
"ヮ/ w a",
|
|||
|
|
"ォ/ o",
|
|||
|
|
# Symbols
|
|||
|
|
"、/ ,",
|
|||
|
|
"。/ .",
|
|||
|
|
"！/ !",
|
|||
|
|
"？/ ?",
|
|||
|
|
"・/ ,",
|
|||
|
|
]
|
|||
|
|
|
|||
|
|
_COLON_RX = re.compile(":+")
|
|||
|
|
_REJECT_RX = re.compile("[^ a-zA-Z:,.?]")
|
|||
|
|
|
|||
|
|
|
|||
|
|
def _makerulemap():
|
|||
|
|
l = [tuple(x.split("/")) for x in _CONVRULES]
|
|||
|
|
return tuple({k: v for k, v in l if len(k) == i} for i in (1, 2))
|
|||
|
|
|
|||
|
|
|
|||
|
|
_RULEMAP1, _RULEMAP2 = _makerulemap()
|
|||
|
|
|
|||
|
|
|
|||
|
|
def kata2phoneme(text: str) -> str:
|
|||
|
|
"""Convert katakana text to phonemes."""
|
|||
|
|
text = text.strip()
|
|||
|
|
res = ""
|
|||
|
|
while text:
|
|||
|
|
if len(text) >= 2:
|
|||
|
|
x = _RULEMAP2.get(text[:2])
|
|||
|
|
if x is not None:
|
|||
|
|
text = text[2:]
|
|||
|
|
res += x
|
|||
|
|
continue
|
|||
|
|
x = _RULEMAP1.get(text[0])
|
|||
|
|
if x is not None:
|
|||
|
|
text = text[1:]
|
|||
|
|
res += x
|
|||
|
|
continue
|
|||
|
|
res += " " + text[0]
|
|||
|
|
text = text[1:]
|
|||
|
|
res = _COLON_RX.sub(":", res)
|
|||
|
|
return res[1:]
|
|||
|
|
|
|||
|
|
|
|||
|
|
_KATAKANA = "".join(chr(ch) for ch in range(ord("ァ"), ord("ン") + 1))
|
|||
|
|
_HIRAGANA = "".join(chr(ch) for ch in range(ord("ぁ"), ord("ん") + 1))
|
|||
|
|
_HIRA2KATATRANS = str.maketrans(_HIRAGANA, _KATAKANA)
|
|||
|
|
|
|||
|
|
|
|||
|
|
def hira2kata(text: str) -> str:
|
|||
|
|
text = text.translate(_HIRA2KATATRANS)
|
|||
|
|
return text.replace("う゛", "ヴ")
|
|||
|
|
|
|||
|
|
|
|||
|
|
_SYMBOL_TOKENS = set(list("・、。？！"))
|
|||
|
|
_NO_YOMI_TOKENS = set(list("「」『』―（）［］[] …"))
|
|||
|
|
_TAGGER = MeCab.Tagger()
|
|||
|
|
|
|||
|
|
|
|||
|
|
def text2kata(text: str) -> str:
|
|||
|
|
parsed = _TAGGER.parse(text)
|
|||
|
|
res = []
|
|||
|
|
for line in parsed.split("\n"):
|
|||
|
|
if line == "EOS":
|
|||
|
|
break
|
|||
|
|
parts = line.split("\t")
|
|||
|
|
|
|||
|
|
word, yomi = parts[0], parts[1]
|
|||
|
|
if yomi:
|
|||
|
|
res.append(yomi)
|
|||
|
|
else:
|
|||
|
|
if word in _SYMBOL_TOKENS:
|
|||
|
|
res.append(word)
|
|||
|
|
elif word in ("っ", "ッ"):
|
|||
|
|
res.append("ッ")
|
|||
|
|
elif word in _NO_YOMI_TOKENS:
|
|||
|
|
pass
|
|||
|
|
else:
|
|||
|
|
res.append(word)
|
|||
|
|
return hira2kata("".join(res))
|
|||
|
|
|
|||
|
|
|
|||
|
|
_ALPHASYMBOL_YOMI = {
|
|||
|
|
"#": "シャープ",
|
|||
|
|
"%": "パーセント",
|
|||
|
|
"&": "アンド",
|
|||
|
|
"+": "プラス",
|
|||
|
|
"-": "マイナス",
|
|||
|
|
":": "コロン",
|
|||
|
|
";": "セミコロン",
|
|||
|
|
"<": "小なり",
|
|||
|
|
"=": "イコール",
|
|||
|
|
">": "大なり",
|
|||
|
|
"@": "アット",
|
|||
|
|
"a": "エー",
|
|||
|
|
"b": "ビー",
|
|||
|
|
"c": "シー",
|
|||
|
|
"d": "ディー",
|
|||
|
|
"e": "イー",
|
|||
|
|
"f": "エフ",
|
|||
|
|
"g": "ジー",
|
|||
|
|
"h": "エイチ",
|
|||
|
|
"i": "アイ",
|
|||
|
|
"j": "ジェー",
|
|||
|
|
"k": "ケー",
|
|||
|
|
"l": "エル",
|
|||
|
|
"m": "エム",
|
|||
|
|
"n": "エヌ",
|
|||
|
|
"o": "オー",
|
|||
|
|
"p": "ピー",
|
|||
|
|
"q": "キュー",
|
|||
|
|
"r": "アール",
|
|||
|
|
"s": "エス",
|
|||
|
|
"t": "ティー",
|
|||
|
|
"u": "ユー",
|
|||
|
|
"v": "ブイ",
|
|||
|
|
"w": "ダブリュー",
|
|||
|
|
"x": "エックス",
|
|||
|
|
"y": "ワイ",
|
|||
|
|
"z": "ゼット",
|
|||
|
|
"α": "アルファ",
|
|||
|
|
"β": "ベータ",
|
|||
|
|
"γ": "ガンマ",
|
|||
|
|
"δ": "デルタ",
|
|||
|
|
"ε": "イプシロン",
|
|||
|
|
"ζ": "ゼータ",
|
|||
|
|
"η": "イータ",
|
|||
|
|
"θ": "シータ",
|
|||
|
|
"ι": "イオタ",
|
|||
|
|
"κ": "カッパ",
|
|||
|
|
"λ": "ラムダ",
|
|||
|
|
"μ": "ミュー",
|
|||
|
|
"ν": "ニュー",
|
|||
|
|
"ξ": "クサイ",
|
|||
|
|
"ο": "オミクロン",
|
|||
|
|
"π": "パイ",
|
|||
|
|
"ρ": "ロー",
|
|||
|
|
"σ": "シグマ",
|
|||
|
|
"τ": "タウ",
|
|||
|
|
"υ": "ウプシロン",
|
|||
|
|
"φ": "ファイ",
|
|||
|
|
"χ": "カイ",
|
|||
|
|
"ψ": "プサイ",
|
|||
|
|
"ω": "オメガ",
|
|||
|
|
}
|
|||
|
|
|
|||
|
|
|
|||
|
|
_NUMBER_WITH_SEPARATOR_RX = re.compile("[0-9]{1,3}(,[0-9]{3})+")
|
|||
|
|
_CURRENCY_MAP = {"$": "ドル", "¥": "円", "£": "ポンド", "€": "ユーロ"}
|
|||
|
|
_CURRENCY_RX = re.compile(r"([$¥£€])([0-9.]*[0-9])")
|
|||
|
|
_NUMBER_RX = re.compile(r"[0-9]+(\.[0-9]+)?")
|
|||
|
|
|
|||
|
|
|
|||
|
|
def japanese_convert_numbers_to_words(text: str) -> str:
|
|||
|
|
res = _NUMBER_WITH_SEPARATOR_RX.sub(lambda m: m[0].replace(",", ""), text)
|
|||
|
|
res = _CURRENCY_RX.sub(lambda m: m[2] + _CURRENCY_MAP.get(m[1], m[1]), res)
|
|||
|
|
res = _NUMBER_RX.sub(lambda m: num2words(m[0], lang="ja"), res)
|
|||
|
|
return res
|
|||
|
|
|
|||
|
|
|
|||
|
|
def japanese_convert_alpha_symbols_to_words(text: str) -> str:
|
|||
|
|
return "".join([_ALPHASYMBOL_YOMI.get(ch, ch) for ch in text.lower()])
|
|||
|
|
|
|||
|
|
|
|||
|
|
def japanese_text_to_phonemes(text: str) -> str:
|
|||
|
|
"""Convert Japanese text to phonemes."""
|
|||
|
|
res = unicodedata.normalize("NFKC", text)
|
|||
|
|
res = japanese_convert_numbers_to_words(res)
|
|||
|
|
res = japanese_convert_alpha_symbols_to_words(res)
|
|||
|
|
res = text2kata(res)
|
|||
|
|
res = kata2phoneme(res)
|
|||
|
|
return res.replace(" ", "")
|