本文最后更新于:2024年1月14日 晚上

语音训练需要优质的数据,我们尝试使用原神中的语音进行训练,首先需要提取并解析其中的语音信息。

感谢 B站大佬的分享

处理流程

  1. 找到数据
  2. 解压数据
  3. 解密数据

数据处理

找到数据

在 PC 版原神中,音频文件放在游戏文件夹中,我的路径为:

D:\Program Files\Genshin Impact\Genshin Impact Game\YuanShen_Data\StreamingAssets\AudioAssets\Chinese

3.7 版原神共 114 个语音文件 9.38 g,将其中的数据拷贝出来。

解压数据

拿到的数据均为 使用 Extractor2.5 解压数据

下载工具后解压,打开 exe 文件即可运行,选择所有刚刚生成的语音文件作为输入文件,选择输出文件夹:

开始解压:

之后反选所有数据, 选择解压即可。

共拿到语音 72021 条。

解密数据

解压直接得到的数据无法听到语音,需要进行解密:

需要用到项目: https://github.com/vgmstream/vgmstream

进入项目的 release 下载需要的编译文件(以我当前 Win 为例):

下载链接

下载后解压,得到可执行文件,将其加入系统路径

这样就可以使用 vgmstream-cli.exe 直接运行解密了

编写 Python 脚本:

1
2
3
4
5
6
7
8
9
10
11
import mtutils as mt
import os


target_file_path_list = mt.glob_recursively('Temp', 'wav')

for target_file_path in mt.tqdm(target_file_path_list):
os.system(f'vgmstream-cli "{target_file_path}"')
mt.remove_file(target_file_path)
mt.file_rename(target_file_path + '.wav', target_file_path)
pass

我将数据放到 Temp 文件夹,脚本在 Temp 外一层,可以直接运行。

脚本 os.system 命令中空格字符需要用双引号包住

在我的机器上运行四十分钟解密所有语音文件,得到 72021 条。

筛选数据

粗略筛选数据,删除 200k 以下的音频文件,最终得到原神原始音频 57546 条。

参考资料



文章链接:
https://www.zywvvd.com/notes/study/audio/yuanshen-audio/yuanshen-audio/


“觉得不错的话,给点打赏吧 ୧(๑•̀⌄•́๑)૭”

微信二维码

微信支付

支付宝二维码

支付宝支付

原神——提瓦特大陆语音提取解析
https://www.zywvvd.com/notes/study/audio/yuanshen-audio/yuanshen-audio/
作者
Yiwei Zhang
发布于
2023年5月24日
许可协议