Pipeline G2P

Présentation

Le pipeline G2P orchestre 5 briques outils pour transformer un texte brut en une transcription phonétique IPA enrichie. Contrairement au Phonémiseur (modèle brut), le pipeline gère la tokenisation, les formules, les groupes de lecture et la syllabation.

Pipeline

Texte brut
    │
    ▼
┌──────────────────┐
│ Tokeniseur        │  normalisation + détection formules
└────────┬─────────┘
         │
         ▼
┌──────────────────┐
│ Formules          │  lecture des nombres, dates, sigles → mots + IPA
└────────┬─────────┘
         │
         ▼
┌──────────────────┐
│ Phonémiseur       │  BiLSTM multi-tête (G2P + POS + morpho + liaison)
└────────┬─────────┘
         │
         ▼
┌──────────────────┐
│ Groupes de lecture│  regroupement par élision/liaison/enchaînement
└────────┬─────────┘
         │
         ▼
┌──────────────────┐
│ Aligneur-Syllabeur│  alignement graphème-phonème + syllabation
└────────┬─────────┘
         │
         ▼
  Texte enrichi (phonèmes, syllabes, liaisons, lettres muettes)

Briques utilisées

G2P vs eSpeak-NG

Le pipeline G2P Lectura se distingue d’eSpeak-NG par sa prise en compte du contexte phrastique : le Phonémiseur prédit la prononciation, la catégorie grammaticale, la morphologie et les liaisons en une seule passe. eSpeak-NG phonémise chaque mot isolément, sans désambiguïsation contextuelle (homographes, liaisons).

Exemple de code

from lectura_phonemiseur import creer_engine

engine = creer_engine()   # mode API par défaut (zero config)

result = engine.analyser(["Les", "enfants", "sont", "arrivés", "à", "la", "maison"])

print(result["g2p"])      # ['le', 'ɑ̃fɑ̃', 'sɔ̃', 'aʁive', 'a', 'la', 'mɛzɔ̃']
print(result["pos"])      # ['ART:def', 'NOM', 'AUX', 'VER:pper', 'PRE', 'ART:def', 'NOM']
print(result["liaison"])  # ['Lz', 'none', 'Lt', 'none', 'none', 'none', 'none']

Pipeline complet (texte → structure enrichie)

from lectura_g2p import analyser_texte

result = analyser_texte("Les enfants sont arrivés à la maison.")
# result contient : tokens, phonèmes, POS, liaisons, groupes de lecture, syllabes

Essayer en ligne

Installation

# Pipeline G2P (phonèmes + groupes de lecture, sans aligneur)
pip install lectura-g2p

# Pipeline complet avec aligneur-syllabeur (syllabes, lettres muettes, alignement)
pip install lectura-g2p[aligneur]

# Phonémiseur seul (modèle brut, sans pipeline)
pip install lectura-phonemiseur

# Avec backend ONNX local (inférence offline)
pip install lectura-phonemiseur[onnx]

Par défaut, les modules utilisent l’API Lectura (aucune configuration nécessaire). Pour l’inférence locale, installez les backends optionnels sur les briques individuelles (lectura-phonemiseur[onnx]).

Performances

Mesurées sur un corpus de test de phrases françaises complètes (mots en contexte).