Versionen vor 2.4¶

Für ältere Festival- Versionen sollte gcc in Version 4.6 installiert werden. Außerdem muss der symbolische Link /usr/bin/gcc, der unter Trusty standardmäßig auf gcc-4.8 verweist, direkt auf gcc-4.6.real umgelenkt werden. Damit funktioniert die Erstellung problemlos.

Alternativ müssten für die Verwendung mit gcc-4.8.2 zunächst einige Anpassungen am Quellcode vorgenommen werden:

Alternativ angehängten Patch speech_tools.patch herunterladen, in den oberen festival-Ordner kopieren und mit

patch -p1 < speech_tools.patch 

einspielen und dann wie beschrieben kompilieren.

Eine "Installation" (make install o.ä.) ist nicht vorgesehen, es lässt sich so auch kein Paket erstellen. Um die Version systemweit verwenden zu können, muss die PATH-Variable entsprechend angepasst werden, z.B. mit dem Befehl

PATH=$PATH:/PFAD/ZU/FESTIVAL/festival/bin
export PATH

Standard-Stimme einstellen¶

Ohne Angabe einer Stimme wird, wenn Festival mit der Option --language german gestartet wurde, die Stimme de2 verwendet. Das lässt sich in der Datei festival/lib/ims_german_opensource.scm abändern, indem man in der Zeile

(set! voice_default voice_german_de2_os) 

die gewünschte Stimme einsetzt. Um eine einfachere Umschaltung zu ermöglichen, kann man diese Zeile mit einem vorgestellten ; auskommentieren. Dann legt man sich in einem Editor eine Datei .festivalrc im Homeverzeichnis an, in der diese Zeile aufgenommen wird. Je nach Wunsch kann man dann schnell eine andere Stimme eintragen (auch andere unterstützte Sprachen sind möglich, um sich z.B. einen englischsprachigen Text vorlesen zu lassen). Die Datei muss ausführbar gemacht werden. Außerdem kann die Standardsprache auch in festival/lib/siteinit.scm erfolgen; die .festivalrc hat aber Vorrang, jedoch nicht vor dem in ims_german_opensource.scm eingestellten Wert.

Weitere Mbrola-Stimmen verwenden¶

Um auch die anderen deutschen Mbrola-Stimmen (d5 - d7) zu verwenden, kann die Datei festival/lib/german/ims_german_voices_opensource.scm erweitert werden. Am Ende befinden sich die Einstellungen für die Mbrola-Stimmen, dort müssen entsprechend den vorliegenden Stimmen Sektionen für die weiteren Stimmen angelegt werden. Die Zahlenwerte beziehen sich dabei auf die Eigenschaften des "Pitch Range", d.h., die Vorgaben, innerhalb welcher Bereiche sich die Grundfrequenz der synthetisierten Sprache bewegen soll. Das ist leider von Sprecher zu Sprecher unterschiedlich; da man den Mbrola-Datenbanken nicht mehr ansehen kann, welche Grundfrequenz ihre Sprecher typischerweise hatten, ist es hier sinnvoll, ein bisschen zu experimentieren. Je dichter man nämlich an die Grundfrequenz herankommt, mit der die Diphone tatsächlich aufgenommen wurden, desto natürlicher klingt es. Als Ausgangspunkt kann man für die weiteren weiblichen Stimmen die Werte einer der beiden weiblichen Stimmen (de1 oder de3) übernehmen, für männliche Stimmen die von de2. Die Stimme de4 stammt vom IMS selbst, dort verwendet man folgende Werte,

   (basevoice_german_mbrola "de4" '(150 130 110 100))

was höher als beim de2-Sprecher ist, da der de4-Sprecher von Natur aus eine deutlich höhere Grundfrequenz hatte.

Außerdem sollte man die Stimmen in festival/lib/ims_german_opensource.scm bei den Definitionen der Stimmen mit aufnehmen (Zeile 55 ff.).

Abkürzungen aussprechen¶

Standardmäßig versucht Festival, die Wörter auszusprechen, auch wenn es sich um Abkürzungen in Großbuchstaben handelt. Für einige Abkürzungen sind in der Datei festival/lib/german/ims_german_token_to_words_lists.scm andere Regeln festgelegt, hier kann man eigene Definitionen hinzufügen. Um z.B. GEW ausbuchstabieren zu lassen, wird im Editor die Zeile

    ("GEW" . ("G" "E" "W"))

in der passenden Sektion untergebracht, andere Abkürzungen können analog eingestellt werden. Vorsicht ist allerdings geboten, wenn die Abkürzung auch als römische Zahl interpretiert werden kann; VCD z.B. wird als "römisch fünfhundertfünfundneunzig" ausgegeben...

Fehlbetonungen korrigieren¶

Wenn Wörter falsch oder nur teilweise ausgesprochen werden, ist es möglich, sie in der Datei ims_german_lexicons.scm aufzunehmen. Die Syntax folgt dabei der des BOMP-Lexikons; verwendet wird die Sampa-Notierung. Standardmäßig würde das Wort "Radfahrer", das nicht im Lexikon vertreten ist, verstümmelt ausgegeben; Festival erkennt es als (R a t) (f a:) (6 6), und gibt eine Fehlermeldung zur Kombination 6-6 aus Warning: 6-6 unkown, replaced with _-_, der letzte Teil fehlt in der Wiedergabe. In solch einem Falle kann man das Wort in Sampa-Notierung aufnehmen:

  (lex.add.entry '("Radfahrer" N (((R a t) 1) ((f a:) 0) ((R @ R) 0))))

Das Wort wird in Silben aufgeteilt ((R a t) 1) ((f a:) 0) ((R @ R) 0), die Betonung der Silben wird mit 0 (unbetont) oder 1 (betont) angegeben, die letzten beiden Silben entsprechen der Notierung für "Fahrer" im Lexikon (statt der nicht kombinierbaren schwa-Laute "6 6" wird die präzisere Variante "R @ R" verwendet). Das N vor den Silben gibt die Wortart an, in diesem Falle ein Nomen. So lassen sich beispielsweise auch Fremdwörter, die nicht vorhanden sind, aufnehmen; allerdings muss sehr genau auf die Klammersetzung und die richtige Sampa-Notierung geachtet werden! Einträge in dieser Datei haben Vorrang vor denen im bomp_full.out, man kann so z.B. auch eigene Betonungsvarianten realisieren.

Fehlbetonungen und ausgelassene Diphone¶

Es könnte sein, dass sich die Stimmen in den Diphon-Inventaren unterscheiden, in diesem Fall könnte es gelegentlich zu Fehlermeldungen kommen, in denen Festival sich über fehlende Diphone beschwert;

Warning: f-? unkown, replaced with _-_
Warning: s-? unkown, replaced with _-_
Warning: aI-? unkown, replaced with _-_

Besonders ausgeprägt ist das bei de8 (männliche Stimme mit bayrischem Akzent); dieser Stimme scheint eine "etwas andere" ("", kurzes Audiobeispiel), Basis zugrunde zu liegen; von einer Verwendung unter Festival wird ausdrücklich abgeraten.

SIOD ERROR - wrong type of argument¶

Bei bestimmten Zeichenkombinationen startet die Ausgabe nicht oder bricht ab, es kommt es zu der Fehlermeldung:

"next_voiced_segment: no voiced segment found."
SIOD ERROR: wrong type of argument to get_c_val 

Hintergrund sind nicht verarbeitbare Kombinationen von Buchstaben mit Zahlen, etwa TZ6 oder kh56 (nicht alle derartigen Kombinationen machen Schwierigkeiten, es scheinen "unaussprechbare" Varianten zu sein; ggf. Kombinationen, die im Inventar nicht vorhanden sind). Derartige Zeichenfolgen müsste man herausfiltern und mit einem Leerzeichen trennen. Mit einem sed-Befehl kann man derartige Fehler vor der Ausgabe beseitigen:

sed -i -r -e 's/([a-zA-Z][a-zA-Z]+)([0-9]+)/\1 \2/g' Textdatei 

Damit werden doppelte Buchstaben und Zahlen getrennt (tz6 wird zu tz 6), (siehe auch xsane2speech, dort ist diese Umformung Teil des Skriptes). Allerdings sollte der Fehler in der IMS-Version 1.3 nicht mehr auftreten.

Abbruch der Wiedergabe sehr langer Sätze¶

Sehr lange Sätze werden in der Wiedergabe nach ca. 30 Sekunden abgebrochen, Festival geht kommentarlos zum nächsten Satz über. Das betrifft u.a. Endzeichen (.!?;:), die nicht auf einen Buchstaben folgen; die Kombination ")." wird nicht z.B. als Unterbrechung akzeptiert, der "Satz" (sprich die Audiospooler-Ausgabe) wird weitergeführt. Abhilfe schafft momentan nur, den "Satz" durch ein Endzeichen nach einen Wort zu unterbrechen. Dieses Verhalten kann auch bei längeren Aufzählungen mit Spielgelstrichen ohne Punkte auftreten. Das Problem ist den Entwicklern bereits bekannt, bei der oben beschrieben Ausgabe mit avplay tritt das Problem nicht auf.