求思路：如何利用提取的词典例句mp3或wav文件？衷心感谢

werwer · 发表于 2016-4-26 22:50:21

本帖最后由 werwer 于 2016-4-26 23:39 编辑

目前有LDOCE6的所有例句wav文件（dls.files.zip解压出来的），其文件名是各种数字字母编号。

想根据生词本提取各个生词的所有对应例句wav，放在一个文件夹下（或者合并成一个音频）。

比如，生词本中有endemic endorsement endow endurance energize engaging 等单词，现在想要把这些单词在LDOCE6中对应的所有例句wav文件找出来放在一个文件夹下（目的是集中生词例句磨耳朵），该如何做呢？

在论坛上看了很久，目前想到的笨方法是：

分析LDOCE6的dsl文件，利用正则表达式，找到各词条包括的所有例句文件名，例如exa_p008-000910116.wav,exa_p008-001662168.wav。建立一张单词与所有例句文件名的对应表格，然而根据表格内容提取对应wav文件？

这个方法太麻烦了，而且想了半天，需要的正则表达式也很复杂，写不出来，而且很难方便地提取所有的音频文件名。

如何能生成一个新的文件，包括：

单词1
例句wav文件名1，文本1，
例句wav文件名2，文本2，

单词2
例句wav文件名1，文本1，
例句wav文件名2，文本2，
... ...

求指点思路，衷心感谢！

LYX1692 · 发表于 2016-4-28 03:45:25

本帖最后由 LYX1692 于 2016-4-28 06:20 编辑

楼主这个问题，我以前也想过，我的解决方案就是，换工具。
我一直想有这么一个工具，它可以很方便的找到带音频的句子，然后可以很方便的导入、导出，可以有针对性的训练自己对某个词的听力能力或者发音纠正。
可能是在两年前，我跟Aboboo的开发者联系过一次，然后，在一年前，它们的最新版总算加入类似的功能。

不管你有多少例句，你都可以批量导入句库。
我曾经试验过一个12万的例句发音库，参见：
https://www.pdawiki.com/forum/fo ... id=13606&extra=

优点是：
1 导入方便快速。我那12万句好像不超过1个小时就建好了。当然，如果你是wav格式，可能要慢一点，因为它需要自动转换为mp3格式。
2 批量导入，可以查看它的说明。我记得是这样的，用txt文档，每个音频，第1行是存放地址，然后是英文、中文、备注、甚至可以插图。只要预先设置好音频和对应的文本即可。
3 只要导入的时候，你依照它的格式加了了文本，日后你可以随时查找（支持正则）
4 查找结果秒显。我那12万的例句，哪怕查找the这样的极高频词，也没多少延迟。
5 查找之后，可以即时播放音频。
6 查找结果可以导出。也就是说，你可以将所有包括 have 的发音重新导出为1个mp3，而且支持导出LRC歌词。如果是PC上，你也不必导出，你想针对哪个单词，直接查找播放就可。想放手机，你就将结果导出下，自动生成带歌词的MP3。都有同步盘吧，分分钟就同步到手机上了。只要批量导入的时候设计好，导出的时候，你想带原文就带原文，想带中文翻译就带翻译。
7 句库可以随时添加。比如说，我时不时将我听VOA、有声书、音乐、电影的音频加入进去。反正我就是这样，只要是跟英语视听相关的学习，都这样。看电影，某台词有听力障碍，一键添加句库，过段时间再来复习下。软件本身还有听写功能，以前设置好文本，复习的时候听写，及时发现问题。
8 导入的发音库，可以随时修改。比如说，我先前导入过一段材料，后来发现文本有误，可以随时修改。或者，我自己想要添加点关于这段听力的笔记（某词我怎么老听不出来啊），也可随时加入备注。

PS. aboboo本身就是专门为了听说训练而设计的，添加句库实在方便，比如我看一部电影，它本身就支持视频格式，自动断句，也可以根据LRC歌词或者SRT等字幕文件来断句，你想保存哪句，点下就可以了。如果是电影，它可以自动保存该句音频，还能自动截图。看电影的时候，建议下载不带字幕的版本，另行寻找外挂字幕作为参考或者断句依据，可以选择隐藏字幕，某台词听不出来，反复听，听到吐都行，然后显示字幕查看下，印象极深。我就是这么折磨的。

请看，这是我以前看《冰雪奇缘》时弄的。

过程并不复杂，只不过是要找到一个准确的好的字幕文件，然后想要保留哪段台词就保留哪段。
（只不过有些字幕时间轴不太精确（比如说人物台词还没说完，字幕就已经消失，或者人物已经以说下段台词，字幕还保留在上段台词），或者台词分段不严谨，比如说，有时候一段很长的台词，字幕组出于显示效果，可能会分成两段。那么，自己做句库的时候，就最好将一个完整意思的句子保存为一段。这种情况下，需要自己手动调整些。）

当然，Aboboo也并不完全接近我的设想。
比如说，我希望他们开放下词典格式，让我自己来编辑自己想要的词典。
比如说，现在虽然可以直接看视频，但是还不能保存视频片段，只能保存音轨。
比如说，我希望他们可以跨句库搜索，可以实现句库转移。你就算有几十万的例句库，想以此来磨耳朵也是不实现的。难道打算一句句听吗？mdx固然可以以单词为索引，可是，别忘了，更多时候我们也不是某个单词发音完全辨别不出来，而是换了种语调我们就没反应过来了。我就记得以前有一次，听某首歌，里面有个单词我死活听不出，后来一看，居然是beautiful。我就觉得，我需要强化下某些词在特殊场合下的发音辨别能力。又如某些特殊口音的发音，如《生活大爆炸》里拉杰什的印度口音英语。有些句子，换个标准英语的人来说我就知道，他一说我就得看字幕。纯单词索引对于磨耳朵并不靠谱，标准英语朗读你听得懂，未必其他语境你就听得清。如果可以将现在语音库重新筛选下就好。比如说，某个句子很好，或者说某个句子我听力有困难，如果可以跨句库转移的话，我就可以这些句库中的句子重新筛选下，添加到另一个句库保留起来，再专门训练。可是目前这个版本还做不到。我只能先将这些句子从一个句库中导出，再激活另一个句库，再导入。

这些我也跟开发者谈过。但是，他们也是免费软件，据他们说是否开放格式，要看以后。
至于我说的跨句库，他们也想过，但是碰到了某些困难，也没在最新的版本的实现。

总的来说：
我觉得，你想实现的，真的不适合用MDX格式来做。
可以尝试，技术上也可以实现，用python可以。不会的话，用正则也行。只不过是将句子编号，然后将每个句子里的单词跟句子编号联系起来，最后重新整理下。
就像你发现的那样，麻烦！
我曾经想将朗文、牛津、剑桥、柯林斯的所有例句文本以单词为索引弄一个MDX，也想以此为材料弄个汉英MDX，后来烂尾了。
并非技术上我做不到，而是我发现，换个合适的工具，我压根不需要如此麻烦，而且效果更佳。（https://www.pdawiki.com/forum/fo ... id=11546&extra=）
GoldenDict虽然也有比Mdict更好的全文索引，但我也不采用。为什么？因为它用作全文索引的数据是死的，而我一开始就打算将我读过的任何有价值的中英材料不时添加进去。
我实在不想每次改动一下就重新编译一次。
Mdx确实很好，但它不是适合外语学习的所有环节。
索引、音频都不是MDX的强项。
做出来之后，效果未必如你所愿。
有些单词可能有成百上千个音频例句，你想磨耳朵，难道你一个个去点击播放吗？
就算不嫌麻烦，那么，磨耳朵的时候，是显示文本还是不显示。显示文本没效果，不显示文本不知道对错。也许加个Javascript可以实现选择显示/隐藏效果。但总是麻烦
而且，你这些例句不管数量多么丰富，总是一个类型的，语调单一，语速单一，要磨耳朵，就得有不同的类型，而MDX在添加词条方面是死的，你不可能随时更新。
如果使用Aboboo的话，可以省掉很多麻烦，你不需要针对每个单词去建立索引条，也不需要一个个点击播放。
也可以将查找结果一键导出，生成一个带歌词的MP3，同步到手机。
而且句库可以随时更新，电影段落、音乐段落、有声书、英语广播。况且磨耳朵的话，光听标准英语并没有多好，有时你能听懂一句印度英语甚至日本人的英语，对你的听力更有帮助。而Aboboo的好处就是，我可以很方便地将任何发声的英文都添加进去。

我之所有反复说Aboboo的优势，不是打广告，而是我跟你一样，也这么尝试过，但是发现过程麻烦，最终效果差强人意。
听说读写，Mdict和FileLocator对我“读写”的帮助最大，Aboboo对我“听说”的帮助最大。
换个工具，很多问题都解决了。
我一直对这三个工具很偏爱。

以上就是我的经验，供参考。

werwer · 发表于 2016-4-26 23:14:40

本帖最后由 werwer 于 2016-4-26 23:18 编辑

例如bleed这个词条，可以看到通过正则表达式查询到的wav例句文件名，以后跟着的例句文本，但是如何能把这些信息单独方便地提出来呢

sky66 · 发表于 2016-4-27 19:45:13

1. 置顶的Dict Source Editor

Export-Custom可以按照自己的需求导出指定的词条文本。例如只导出自己需要的某些词条，或者不导出某些词条。只需将你需要导出的词条保存到一个文本文件，每个词条一行，然后指定这个文件即可。

2. 利用正则表达式，找到各词条包括的所有例句文件名

vbnet · 发表于 2016-4-27 20:11:29

像这个
[英-汉] 【背词典】朗文发音库整理 20140902 更新内容：单词例句已按照纸版顺序排好

werwer · 发表于 2016-4-28 09:36:29

sky66 发表于 2016-4-27 19:45
1. 置顶的Dict Source Editor

1. 看到了置顶的Dict Source Editor，有些启发，很好的软件。但这个好像不适合整理例句音频，就是Export-Custom到出的是词条，不是词条例句的集合。我再仔细研究一下。

2。正在学正则表达式。

谢谢帮助！

werwer · 发表于 2016-4-28 09:38:13

vbnet 发表于 2016-4-27 20:11
像这个
[英-汉] 【背词典】朗文发音库整理 20140902 更新内容：单词例句已按照纸版顺序排好

看到了这个帖子，很牛！

只是这里没有讨论，如何把几十万mp3重新整理命名的，好想知道。

谢谢帮助！

werwer · 发表于 2016-4-28 10:06:13

LYX1692 发表于 2016-4-28 03:45
楼主这个问题，我以前也想过，我的解决方案就是，换工具。
我一直想有这么一个工具，它可以很方便的找 ...

特别感谢LYX1692的建议，读了几遍，受益匪浅。

之前集中查资料时，也看到了你做的12万语音库的帖子。当时就觉得，我所想到的，很可能已经都被你想到且实践过了。

事实证明，也的确如此。

敢想敢做，思路清晰，还乐于分享，赞！！

昨天学习了简单的正则，试着从html、txt等原始文件中整理出词条、音频文件名和句子文本，建立对应关系。

的确，个人精力太有限，借助已有工具是最明智的方法。思考过后，完全接受LYX1692的建议。

最后，再次衷心感谢你的谆谆教导，感谢分享精神。

LYX1692 · 发表于 2016-4-28 11:41:28

本帖最后由 LYX1692 于 2016-4-28 11:57 编辑

werwer 发表于 2016-4-28 10:06
特别感谢LYX1692的建议，读了几遍，受益匪浅。

之前集中查资料时，也看到了你做的12万语音库的帖子。 ...

我重新看了下《批量导入句子功能说明》，你只要整理好了音频文件名和句子文本的对应关系，那就非常容易操作了。
一个句子用6行来表示：
第1行：句子的音频文件地址（必须）
第2行：英文（可空，但是由于你要搜索，那还是必须的）
第3行：中文（可空）
第4行：中心词（可空）
第5行：备注（可空，可能你以后还会从其他来源添加例句，备注下出处还是有必要的）
第6行：描述句子的图片地址（可空）

你可建立多个句库，但是目前只能同时激活一个句库。
两种方式查找：
1 “我的”-“句库”下方有搜索框，但不支持正则查找。这个查找结果可以导出为MP3.
2 “字典”查找单词的时候，也会出现句库里的句子，支持正则，但这个地方的结果不能导出。

哦对了，我差点忘记了。
你现在做的一切准备工作都有可能白费功夫。做之前还是先对比下吧。
因为Aboboo“字典”本身官网就提供了一个15万真人语音例句，我以前对照过，发现它用的其实就是朗文例句，只是不太清楚它是哪个版本。

我草草对比了下，就发现有一样的例句：

这是你帖子截图中的例句

这是官网自带例句库的例句

werwer · 发表于 2016-4-28 20:07:02

LYX1692 发表于 2016-4-28 11:41
我重新看了下《批量导入句子功能说明》，你只要整理好了音频文件名和句子文本的对应关系，那就非常容易 ...

是的，你看出来了。其实我想做 LDOCE6和LDAE5的音频库。

Aboboo已经建立足够大的音频库了，我比较了例句后认为，Aboboo是基于LDOCE5和LDAE4的例句音频建立的。

与老版本相比，LDOCE6和LDAE5增加了一定比例的新音频例句。

Aboboo已经接近完美了，想想能建立自己的语音库，还是很开心的

dashuchong · 发表于 2016-5-15 16:29:47

感觉很有用，做个标记看以后能否用上

xiaokeai · 发表于 2016-5-16 00:04:43

werwer 发表于 2016-4-28 20:07
是的，你看出来了。其实我想做 LDOCE6和LDAE5的音频库。

Aboboo已经建立足够大的音频库了，我比较了例 ...

Aboboo 的朗文句庫在操作上近乎完美，
但实际上还是有大小问题各一：

小问题：欠若干词(为数约三兩百，与十多万句相比，算是个較小问题。)
大问题：音质比原有的差很多!

jiaqiangmit2 · 发表于 2019-8-5 15:51:50

lz搞定了没有？我用anki fast word query，可以导出每次自己学习的单词表的单词的所有例句音频，但是名字是乱的，无法管理。

[求助] 求思路：如何利用提取的词典例句mp3或wav文件？衷心感谢

本帖被以下淘专辑推荐: