| ---
|
| license: apache-2.0
|
| ---
|
|
|
| ## データセット作成手順
|
|
|
| ### 撮影
|
|
|
| 1. QuickTime Playerを開く
|
| 2. 画面から30cm程に近づく。距離が遠いと、LFROI(Lower-half Face ROI)作成時に顔全体が映り込んでしまうため
|
| 3. 録画ボタンを押し、1秒待ってから発話。そうしないと初めが途切れる
|
| 4. データ加工前に再生し、切れていないことを確認
|
|
|
| ### データ加工
|
|
|
| `raw`→`lfroi`は次のとおり。なお`LFROI_`映像は音声を含まないので注意。
|
|
|
| ```sh
|
| uvx --python 3.12 --from 'git+https://github.com/xhiroga/audio-visual-toolkit#subdirectory=packages/avt' crop-mouth --video-file raw/hiroga_001.mov --out-dir lfroi --height 300 --width 300
|
| # or
|
| uvx --python 3.12 --from 'git+https://github.com/xhiroga/audio-visual-toolkit#subdirectory=packages/avt' crop-mouth --video-dir raw --out-dir lfroi
|
| ```
|
|
|
| `raw`→`.lab`は次のとおり。
|
|
|
| ```sh
|
| mfa align raw japanese_mfa japanese_mfa aligned --output_format json --clean --num-jobs 8 --single_speaker
|
| uvx --python 3.12 --from 'git+https://github.com/xhiroga/audio-visual-toolkit#subdirectory=packages/avt' mfa-aligned-to-label --json-dir aligned --out-dir labels
|
| ```
|
|
|
