支持自定义读音（多音字），非常灵活

[yitenghao]

支持使用在中文文本后通过英文括号包起来的TONE3格式的拼音
例如：这个字的读音是角(jue2)色，而不是角(jiao3)色
实现逻辑：
1、添加了一个处理自定义拼音的函数custom_pinyin，返回去除拼音后的中文文本和拼音列表
2、在_g2p函数中使用custom_pinyin函数，并使用获取到的自定义拼音替换g2pw模型推理出的拼音
3、去除拿词与拼音映射缓存的逻辑

[huanglong123]

你好，我想问下这个指定多音字读音的要怎么使用，我使用了最新代码，推理了一下，“这个字的读音是角(jue2)色，而不是角(jiao3)色”发现并没有生效

[yitenghao]

你好，我想问下这个指定多音字读音的要怎么使用，我使用了最新代码，推理了一下，“这个字的读音是角(jue2)色，而不是角(jiao3)色”发现并没有生效

参考pr的文件改动修改代码内容，另外我这个是使用api.py进行推理的

[foreverhell]

代码已经改动了。同没生效，jue、jiao逐个字母读，2、3读汉字

[hjj-lmx]

代码已经改动了。同没生效，jue、jiao逐个字母读，2、3读汉字

大佬，你解决了吗？

[ZiyiLiubird]

现在的版本会把(jue2)视为英文切割出来，导致custom_pinyin函数失效。
需要在GPT-SoVITS/GPT_SoVITS/TTS_infer_pack/TextPreprocessor.py这个文件里把131-135和162-169两部分代码注释掉才可以。分别是

                if re.search(r'[A-Za-z]', formattext):
                     formattext = re.sub(r'[a-z]', lambda x: x.group(0).upper(), formattext)
                     formattext = chinese.mix_text_normalize(formattext)
                     return self.get_phones_and_bert(formattext,"zh",version)
                else:

以及

             else:
                 for tmp in LangSegment.getTexts(text):
                     if tmp["lang"] == "en":
                         langlist.append(tmp["lang"])
                     else:
                        # 因无法区别中日韩文汉字,以用户输入为准
                         langlist.append(language)
                     textlist.append(tmp["text"])

这样代码无法处理中英文混合情况，但是可以处理多音字

[hjj-lmx]

现在的版本会把(jue2)视为英文切割出来，导致custom_pinyin函数失效。 需要在GPT-SoVITS/GPT_SoVITS/TTS_infer_pack/TextPreprocessor.py这个文件里把131-135和162-169两部分代码注释掉才可以。分别是

                if re.search(r'[A-Za-z]', formattext):
                     formattext = re.sub(r'[a-z]', lambda x: x.group(0).upper(), formattext)
                     formattext = chinese.mix_text_normalize(formattext)
                     return self.get_phones_and_bert(formattext,"zh",version)
                else:

以及

             else:
                 for tmp in LangSegment.getTexts(text):
                     if tmp["lang"] == "en":
                         langlist.append(tmp["lang"])
                     else:
                        # 因无法区别中日韩文汉字,以用户输入为准
                         langlist.append(language)
                     textlist.append(tmp["text"])

这样代码无法处理中英文混合情况，但是可以处理多音字

两者共存不了，有点头疼

[yitenghao]

现在的版本会把(jue2)视为英文切割出来，导致custom_pinyin函数失效。 需要在GPT-SoVITS/GPT_SoVITS/TTS_infer_pack/TextPreprocessor.py这个文件里把131-135和162-169两部分代码注释掉才可以。分别是

                if re.search(r'[A-Za-z]', formattext):
                     formattext = re.sub(r'[a-z]', lambda x: x.group(0).upper(), formattext)
                     formattext = chinese.mix_text_normalize(formattext)
                     return self.get_phones_and_bert(formattext,"zh",version)
                else:

以及

             else:
                 for tmp in LangSegment.getTexts(text):
                     if tmp["lang"] == "en":
                         langlist.append(tmp["lang"])
                     else:
                        # 因无法区别中日韩文汉字,以用户输入为准
                         langlist.append(language)
                     textlist.append(tmp["text"])

这样代码无法处理中英文混合情况，但是可以处理多音字

在get_phones_and_bert函数下加一行代码
LangSegment.setKeepPinyin(True) #用于保留切分后的中文拼音

[hjj-lmx]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

[yitenghao]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

[yitenghao]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

还不行就直接看我仓库里面的提交记录，我fork仓库改的代码

[hjj-lmx]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但这个好像不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单(shan4)身,最后的语音还是单（dan1）身，这个应该是底模的问题吧

你知道这个项目的停顿怎么加吗？就算自定义在某个地方添加停顿，例如：测试[1秒]停顿

[yitenghao]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但这个好像不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单(shan4)身,最后的语音还是单（dan1）身，这个应该是底模的问题吧

你知道这个项目的停顿怎么加吗？就算自定义在某个地方添加停顿，例如：测试[1秒]停顿

作者说加多个句号可以停顿，但是有人说不行，我建议是在要停顿的地方将文本切成两半，中间添加零点几秒的空白音频zero_wav = np.zeros(int(hps.data.sampling_rate * 0.3), dtype=np.float16 if is_half == True else np.float32)

[yitenghao]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但这个好像不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单(shan4)身,最后的语音还是单（dan1）身，这个应该是底模的问题吧

你知道这个项目的停顿怎么加吗？就算自定义在某个地方添加停顿，例如：测试[1秒]停顿

你看下提交记录里的这个地方是不是没注释掉

这个是有一个缓存的词与读音的映射缓存，“单身”可能是已经在里面了，拿缓存的话会覆盖自定义的读音

[hjj-lmx]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的这段代码压迫加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但这个好像不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单(shan4)身,最后的语音还是单（dan1）身，这个应该是底模的问题吧
你知道这个项目的停顿怎么加吗？就算自定义在某个地方添加停顿，例如：测试[1秒]停顿

你看下提交记录里的这个地方是不是没注释掉 这个是有一个缓存的词与读音的映射缓存，“单身”可能是已经在里面了，拿缓存的话会覆盖自定义的读音

好的，我是没有删除这个地方，我早测试一下

[hjj-lmx]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的可疑代码加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但是这个希望不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单（shan4）身,最后的语音还是单（dan1）身，这个应该是底模的问题吧
你知道这个项目的停顿怎么加吗？甚至可以自定义在某个位置添加停顿，例如：测试[1秒]停顿

作者说加多个句号可以停顿，但是有人说不行，我建议是在要停顿的位置将文本重两半，中间添加零点几秒的空白音频zero_wav = np.zeros(int(hps.data.sampling_rate) * 0.3), dtype=np.float16 如果 is_half == True 否则 np.float32)

没有特殊标记去分，在文本处理的时候“[1秒]”就直接变成了“1秒”，在里面没办法二次分割。我最开始也是像你那样想的，但是代码上没有实现出来。而且源码中本身分段就会停顿0.3，切分后就会多一个0.6出来，这样就很不好算值了

[yitenghao]

get_phones_and_bert
大佬，我已经按照[yitenghao]的pr修改了代码，你的可疑代码加在哪个地方，是已进入方法就加，还是在哪个地方

进入函数就加

可以了，谢谢大佬！但是这个希望不是所有的都可以改正过来，例如：单（dan1）身,如果我写成单（shan4）身,最后的语音还是单（dan1）身，这个应该是底模的问题吧
你知道这个项目的停顿怎么加吗？甚至可以自定义在某个位置添加停顿，例如：测试[1秒]停顿

作者说加多个句号可以停顿，但是有人说不行，我建议是在要停顿的位置将文本重两半，中间添加零点几秒的空白音频zero_wav = np.zeros(int(hps.data.sampling_rate) * 0.3), dtype=np.float16 如果 is_half == True 否则 np.float32)

没有特殊标记去分，在文本处理的时候“[1秒]”就直接变成了“1秒”，在里面没办法二次分割。我最开始也是像你那样想的，但是代码上没有实现出来。而且源码中本身分段就会停顿0.3，切分后就会多一个0.6出来，这样就很不好算值了

自己加个特殊标记然后改代码解析去解析呗

[yitenghao]

api_v2已支持多音字

[hjj-lmx]

api_v2已支持多音字

和你的写法不一样吗？他改了些什么

[yitenghao]

api_v2已支持多音字

和你的写法不一样吗？他改了些什么

get_phones_and_bert

有两个get_phones_and_bert函数，api.py和api_v2.py分别用了一个，之前只改了api.py的