来自 CMU 发音数据库的押韵词典

Question

我正在寻找一个免费或开源的押韵数据库。

我找到了 CMU 发音“数据库”及其一系列应用程序，但我无法理解它们或弄清楚数据的来源。

我只需要一个包含单词及其音素的简单文本文件。

这里有人知道我在哪里可以找到一个或从哪里开始从 CMU 文件中导出这样一个列表吗？

Answer 1

cmudict

cmudict 是一个文本文件，它的格式非常简单。首先，列出单词。然后，有两个空格。两个空格后面的都是发音。如果一个词可能有两种不同的发音方式，您会看到两个词条，例如

word
word(1)

他们在文件的开头列出了符号和标点符号。符号后面是所述符号名称的英文拼写，它们之间没有空格。然后是两个空格分隔符和 arpabet 代码。由于您只是在寻找押韵，因此您不必对符号部分做任何特别的事情，因为您永远不会寻找...ELLIPSIS的押韵

ARPAbet

维基百科http://en.wikipedia.org/wiki/Arpabet 中列出了有关 ARPAbet 代码如何映射到 IPA 的信息，每个映射都显示示例单词。很容易看出两者之间的关系，如果您熟悉 IPA，这可能有助于您了解如何阅读 ARPAbet 代码。

总结

基本上，如果您已经找到了 cmudict，那么您已经得到了您想要的东西：单词及其发音的数据库。要查找押韵的单词，您必须将平面文件解析为表格并运行查询以查找以相同 ARPAbet 代码结尾的单词。

做事的一般理论

部分：东西

1. 创建一个新数据库
2. 在数据库中创建一个包含三个字段的表：index、word、arpabet
3. 逐行读取cmudict文件
4. 对于每一行，将其分成两部分，其中找到两个连续的空格并且
5. 增加索引计数，然后插入索引号、单词和arpabet代码

然后嗯...

一旦您将数据输入到您选择的任何类型的数据库中，您就可以使用该数据库来查找 arpabet 代码之间的相关性。你可以找到押韵、谐音、谐音和其他助记符。它会像

部分：事物

1. 找一个你想找韵的词
2. 在数据库中查询单词的 arpabet 等效项
3. 将 arpabet 代码拆分为多个片段，只要有空格就将其分解
4. 获取最后一段代码，并在数据库中查询其 arpabet 代码结尾与该段匹配的单词
5. 用押韵做一些花哨的事情

捷径和剧透

我感到无聊，写了一个 Node.js 模块，其中涵盖了上面列出的“Part: Stuff”。如果您的机器上安装了 Node.js，您可以通过运行 npm install cmudict-to-sqlite 获取模块

Answer 2

使用 CMU 发音词典的韵律逻辑

好的。假设您想使用CMU Pronouncing Dictionary 数据（示例文件：cmudict-0.7b）构建所有与“LOVE”押韵的单词的列表。

你可以这样做：

首先，你需要学习“LOVE”的发音。您会在字典中找到这一行，其中“LOVE”和“L AH1 V”用两个空格隔开：

LOVE  L AH1 V

这是说LOVE这个词的发音类似于L AH1 V。

然后，找到具有主要重音的元音音素。换句话说，在那个发音中寻找数字“1”。直接在 1 左侧的文本是具有主要重音的元音 (AH)。该文本及其右侧的所有内容都是您的“押韵音素”（因为没有更好的术语）。所以 LOVE 的押韵音素是AH1 V。

我们已经完成了一半！现在我们只需要找到发音以AH1 V 结尾的其他单词。如果您正在使用 Notepad++，请使用“正则表达式”的搜索模式尝试在当前文档中查找所有模式 AH1 V$。这将匹配如下行：

Line 392: ABOVE  AH0 B AH1 V
Line 10266: BELOVE  B IH0 L AH1 V
Line 30204: DENEUVE  D IH0 N AH1 V
Line 30205: DENEUVE(1)  D IY0 N AH1 V
Line 34064: DOVE  D AH1 V
Line 48177: GLOVE  G L AH1 V
Line 49053: GOV  G AH1 V
... etc

押韵呜呜呜！

有很多方法可以实现这一点，也有很多极端情况，但这大致是许多电子押韵词典在寻找完美押韵时所采用的方法。

存储押韵数据的假设 SQL 方法

显然，如果您每次有人想要押韵时都扫描字典，那么性能将是一个问题。如果这是一个问题，您可以尝试以不同的方式存储或索引数据。

虽然它在磁盘空间上不是最有效的，但我在将这些内容存储在带有索引列的 SQL 表中时有过很好的体验。

对于一个简单的概念示例，您可以计算字典中所有单词的“韵律音素”，然后将它们插入到列为 { WordText, RhymePhonemes } 的“韵律”表中。例如，您可能会看到如下记录：

{"ABOVE", "AH1 V"}
{"DOVE", "AH1 V"}
{"OUTLIVE", "IH1 V"}
{"GRADUATE", "AE1 JH AH0 W AH0 T"}
{"GRADUATE", "AE1 JH AH0 W EY2 T"}

...等

然后，要查找押韵，您可以发出如下查询：

SELECT OTHER.WordText
FROM Rhymes INPUT
     INNER JOIN Rhymes OTHER ON OTHER.RhymePhonemes = INPUT.RhymePhonemes
WHERE INPUT.WordText = 'love' AND
      OTHER.WordText <> INPUT.WordText
ORDER BY OTHER.WordText

如果您打算打印一本将所有发音相似的单词组合在一起的字典，这也会派上用场。

当然还有很多其他方法可以存储/搜索不同权衡的数据，但希望这可以帮助您入门。

我还幸运地将原始发音以不同的“完整”格式存储在数据库中（发音的正向和反向字符串，带有重音符号和没有重音符号等），但没有“切碎”成特定的片段就像一个押韵音素专栏。

陷阱

再一次，“爱”的原始解释绝对会让你进入押韵的范围。但是，在此过程中，您可能会遇到其他需要考虑的问题。这是一个提醒：

1. 有些单词有多种发音。在 CMU 词典中，备用发音在 GRADUATE(2) 中的单词后面标有 (1)、(2) 等文本。如果有人想要这些单词的韵律，您必须决定是显示所有匹配发音的韵律，还是让用户选择他们真正想要的发音。
2. 当发音有两个或多个“1”时，你会怎么做？选第一个？选最后一个？如果你选择最后一个，你会发现更多的押韵，但这可能不是最自然的重音选择。
3. 读音没有“1”怎么办？它不会发生很多，但它会发生，例如：ACCREDIT AH0 K R EH2 D AH0 T 和 AIKIN EY0 K IH0 N。在这种情况下，我会选择下一个最佳压力（例如，如果 1 不存在，则选择 2、3、4 等）。如果它们都是 0，我没有什么好的建议。
4. 缺少一些发音。这是一个很好的开始，但它没有您可能想要的所有单词或单词拼写。美式拼写优于英式拼写。
5. 有些发音不是您所期望的，您可能需要删减。例如，“or”的发音听起来像“er”。
6. 您可能想比较去掉重音符号后的“押韵音素”。这仅适用于主要重音不在最后一个元音上的单词（因此您在“love”示例中看不到问题）。

Answer 3

我现在正在积极研究类似的事情，使用 Plate 建议的一般方法，并对其进行扩展。 Here's my source code.希望对你有帮助！

Answer 4

如果您只使用一个小的演示子集，您总是可以使用http://www.rhymezone.com/ 并搜索一个单词，然后将其韵律匹配放入一个文本文件中。如果你想要一个完整的单词数据库。您可以将字典连接到zombieJS UI 自动化，然后屏幕抓取单词并将它们放入您自己的数据库中。这将允许您创建自己的押韵数据库。虽然说实话，这对您最初的要求来说是一项艰巨的任务