使用 NLP 从书中提取各个角色的台词

[Yut]

身边有个富二代开了家有声读物的工作室，想用软件来替代人工分句，不知道大哥们有没有好想法。（或者愿意写一个就更好了，有偿，准确度高的话个把万没问题

[xiangyuecn]

既然是富二代，那么给个 100 万报价，应该小意思吧😏 个把玩就不要写富二代这 3 个字了，应景

[Yut]

@xiangyuecn 那只能说还不够富吧。。。

[xiangyuecn]

@Yut 皮😂

[Yut]

@xiangyuecn 嗨，人家找我我要整论文没空，放到 v2 上看看有没有老哥愿意接吧没有就算了

[MakeItGreat]

经典情况:我很有钱唉，我很牛逼
但是我给你钱的时候我就是扣扣嗖嗖

[Yut]

@MakeItGreat 人还是挺 generous 的，而且都找着周围朋友话放出来了到时候给少了怕不是抬不起头

[lithiumii]

标点符号规范的书是不是正则就够了？

[Yut]

@lithiumii 先期确实有这个想法，不过最终肯定还是上 NLP 的嘛

[Yut]

假如想接的话可以贴个相关的 repo 谢谢老哥们了

[privapps]

我看了看，说难不难，说容易不容易

如果是标准书，用引号啥的，可以把对话提出来，这个容易

不容易的是怎么把人物对应上，简单方法是找对话前后面句子 , 用结巴 或者 https://github.com/baidu/lac，把名词提出来，然后对应。

但问题是有的对话是没有人物的，这就需要 自己写一些 规则，比如 两人对话，一定是一人一句等等，然后用 machine learning, tenserflow 去学习，然后提高准确度。简单来说就是用 ML 做 classification, 这个就有点玄学的味道了

我估计做出来容易，能够有 60%或以上的准确率，但提高准确率蛮难的

[rpman]

我司做 TTS 的，也有面对有声读物的相关业务
我们有说话人判别和指代消解相关技术，要不要考虑对接一下，钱到位了都好说

[Yut]

@rpman 老哥来晚了呀，他们已经做的差不多开始用了，以后加入他们想 scale 的话我再来找你

[TransAM]

一般来说一个人的台词占一整段，为啥还要分句？