7

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或者我会从哪里开始从 CMU 文件中导出这样的列表吗？

4

4 回答 4

6

命令

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，您会看到该词的两个条目，例如

word
word(1)

在文件的开头，他们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押韵...ELLIPSIS

阿帕比特

wikipedia http://en.wikipedia.org/wiki/Arpabet中列出了有关 ARPAbet 代码如何映射到 IPA 的信息，并且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。

概括

基本上，如果你已经找到了 cmudict，那么你已经得到了你想要的东西：一个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. 创建一个新的数据库
  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和
  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：东西

  1. 得到一个你想找到押韵的词
  2. 在数据库中查询单词的 arpabet 等价物
  3. 将 arpabet 代码拆分为多个片段，方法是在有空格的地方将其分解
  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. 用押韵做花哨的事情

捷径和剧透

我感到无聊并编写了一个 Node.js 模块，其中涵盖了上面列出的“Part: Stuff”。如果你的机器上安装了 Node.js，你可以通过运行来获取该模块，npm install cmudict-to-sqlite请参阅https://npmjs.org/package/cmudict-to-sqlite的 README 或查看模块中的文档。

于 2013-05-16T09:21:42.537 回答
3

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。

您可以这样做：

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”由两个空格分隔：

LOVE  L AH1 V

这就是说这个词LOVE发音为like 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 的押韵音位是AH1 V。

我们已经完成了一半！现在我们只需要找到其他发音以 . 结尾的单词AH1 V。如果您正在使用 Notepad++，请尝试AH1 V$使用“正则表达式”的搜索模式在当前文档中查找所有模式。这将匹配以下行：

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woooooords！

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似乎采用的方法。

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只扫描字典，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。

尽管它在磁盘空间上不是最有效的，但我在将这些东西存储在带有索引列的 SQL 表中时有很好的体验。

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"}

... ETC

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，但希望这能让你开始。

我也很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），但没有像押韵那样“切碎”成特定的片段-音素列。

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。这是一个提示：

  1. 有些单词有多种发音。在 CMU 词典中，替代发音在单词后面标有 , 等文本(1)，(2)如 in GRADUATE(2)。如果有人想要这些单词的韵律，您必须在显示所有匹配发音的韵律之间做出决定，或者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，但这可能不是压力最自然的选择。
  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）。如果他们都是0，我没有任何好的建议。
  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，您可能需要修剪。例如，“or”的发音听起来像“er”。
  6. 您可能想比较删除重音标记的“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）。
于 2015-09-01T01:44:04.707 回答
0

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。这是我的源代码。希望能帮助到你！

于 2019-10-25T03:13:38.917 回答
-1

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，这对于您最初的要求来说是一项艰巨的任务

于 2013-04-05T01:22:07.340 回答