实时 3D 模型渲染和实时文本到语音 [关闭]

Question

在提出问题时，应将整个问题分解为较小的问题并一一解决。 但我问得不好，为了完全解释我的需求和技术限制，希望有人建议完美的技术集。

我要设计一些可以接受文本作为输入转换成语音的东西 此演讲由 实时 3D 模型 朗读。

在这里你可以看到所有这些东西都应该是实时的，因此我正在考虑在一些游戏引擎中进行， 但我不确定我在这里做的事情是否可行。

我需要指导，一条道路，我应该如何开始。

Answer 1

您尚未指定平台，即 Windows/Linux 等，尽管这可能并不重要。

我最初的想法是将 PICO tts 库与 Blender 游戏引擎 (BGE) 结合起来。 虽然我不确定 Pico 引擎是否有 python 绑定。

espeak 项目 (espeak.sourceforge.net/) 将普通文本转换为音素，然后可用于驱动 shape-keys（或 blend-keys，我忘记了 Blender 的名称，因为我已经 5 年多了最后一次使用 Blender/Maya/3DSMax）。

大概，您可以在 python 中实现 espeak 引擎（或创建一个可通过 python 访问的模块）并使用它来生成所需的音素，然后将它们同时传递给您的形状/混合键控制器和 Pico。

快速浏览后，似乎 libttspico-dev 是支持开发支持 pico 的应用程序的包，尽管它似乎只包含 c/c++ 文件 - 我想应该可以创建一个利用引擎，但我真的不熟悉 Pico 的任何东西，而不是它的名称和基本功能。这可能是一个愚蠢和不知情的建议。

无论如何，这肯定是一个有趣的项目。也许更简单的方法是用 C/C++ 创建一个使用 OGRE 和 Pico 的应用程序。重要的因素是 OGRE 能够从 1 个形状键混合到下一个形状键 - 也可能是 Pico 在内部以这样一种方式做所有事情，以至于您无法获得回调或监控它在播放语音中的当前位置。

已收藏。