Kaxabu Muwalak Misa A Ahan Bizu

本網站內容取自《噶哈巫語分類辭典》一書，謹此致謝。

書籍資訊：

• 原著：潘永歷
• 總編輯：董忠司
• 主編：陳嬿庄
• 編輯：潘正浩、林鴻瑞、涂文欽、朱恩成
• 出版單位：南投縣埔里鎮守城社區發展協會
• 出版年：2015年
• ISBN：9789869248808

辭典資料

• 文本：《噶哈巫語分類辭典》EXCEL版本.xls
• 聲音：下載

授權

本辭典用姓名標示-非商業性-相同方式分享 4.0 國際 (CC BY-NC-SA 4.0)授權

除原始資料外，此檔案庫內轉換格式、重新編排的編輯著作權（如果有的話）皆以 CC0 釋出，衍生著作物應以原始資料之授權為準。

程式部份為MIT授權。

相關連結

• 2015/11/29在守城新公廳的新書發表會
• 有語音功能的線上辭典

資料整理

調整原始檔音量

sudo apt-get install normalize-audio -y
find . -type f -exec normalize-audio {} \;

切錄音檔（原本的失敗構想）

希望會使逐句分開，逐詞嘛分開，所以愛做兩擺。

1. xls檔
2. 語句格式檔。照講的順序排，辨識單位放仝一個陣列

• 一句
  • [('語詞編號','01A-001'),('臺語','thâu ê tsoân-pō•'),('華語','頭（整個）'),('Kaxabu','punu')]
• 一詞
  • [('語詞編號','01A-001')]
  • [('臺語譯解','thâu ê tsoân-pō•')]
  • [('中文譯解','頭（整個）')]
  • [('噶哈巫語教材標記法','punu')]

3. 語料label標仔檔，佮dict辭典檔。逐個內容用逗號隔開，空白換做底線

• 一句
  • 01A-001，thâu_ê_tsoân-pō•，頭（整個），punu 0 1 A 0 0 1 tʰ au e ts uan p o ㄊ ㄡ p u n u
• 一詞
  • 01A-001 0 1 A 0 0 1
  • thâu_ê_tsoân-pō• tʰ au e ts uan p o
  • 頭（整個） ㄊ ㄡ
  • punu p u n u

4. HTK的mlf檔

做法

音標轉wav

到音檔目錄執行以下bash

mkdir wav ; find . -name '*mp3' | egrep -v "25|26" | awk '{print "avconv -i "$0" "$0}'| sed 's/3 \./3 wav/g' | sed 's/\.[^ 1-9]*mp3$/.wav/g' | bash

下載相關資料

華語辭典

git clone https://github.com/g0v/moedict-data.git

設定python環境

sudo apt-get install -y liblapack-dev libblas-dev gfortran praat
virtualenv venv --python=python3 ; . venv/bin/activate ; pip install --upgrade pip
pip install -r requirements.txt 

設定參數

改bizu/參數.py，填上面轉wav和git clone的路徑

xls所在 = '路徑/《噶哈巫語分類辭典》EXCEL版本.xls'
教育部重編國語辭典json所在 = 'moedict-data路徑/dict-revised.json'
wav音檔目錄= '路徑/wav/'

執行

python 走.py

人工檢查音檔有切著無

python bizu/敆音檔.py

才去檢查音檔有切好無照分類聽

• 聽編號佮華語是毋是學姐的聲
• 臺語佮kaxabu是長老的聲