tacotron2 mandarin

我的语音合成最新进展见 paralleltts。

اذهب إلى Paralleltts لأحدث عملي من TTS.

---

Tacotron-2 的 pytorch 实现 ， 见 tacotron2-pytorch。

تنفيذ Pytorch من Tacotron-2 ، انظر Tacotron2-Pytorch.

---

تاكوتون -2 ماندارين

تنفيذ TensorFlow من DeepMind's Tacotron-2. بنية الشبكة العصبية العميقة الموصوفة في هذه الورقة: تخليق TTS الطبيعي عن طريق تكييف Wavenet على تنبؤات MEL Spectogram

هيكل الريبو

 tacotron-2-mandarin-griffin-lim
|--- datasets
|--- logs-Tacotron
     |--- eval-dir
     |--- plots
     |--- taco_pretrained
     |--- wavs
|--- papers
|--- prepare
|--- tacotron
     |--- models
     |--- utils
|--- tacotron_output
     |--- eval
     |--- logs-eval
          |--- plots
          |--- wavs
|--- training_data
     |--- audio
     |--- linear
     |--- mels

عينات

هناك بعض عينات التوليف هنا.

ما قبل

يمكنك الحصول على نموذج ما قبل المسبق هنا.

بداية سريعة

OS: Ubuntu 16.04

الخطوة (0) - مستودع استنساخ GIT

 git clone https://github.com/atomicoo/tacotron2-mandarin.git
cd tacotron-2-mandarin-griffin-lim/

الخطوة (1) - تثبيت التبعيات

1. تثبيت Python 3 (Python-3.5.5 بالنسبة لي)

2. تثبيت TensorFlow (Tensorflow-1.10.0 بالنسبة لي)

3. تثبيت تبعيات أخرى

    pip install -r requirements.txt
   

الخطوة (2) - إعداد مجموعة البيانات

1. قم بتنزيل مجموعة البيانات biaobei أو thchs-30

   بعد ذلك ، يجب أن تكون شجرة المستند الخاصة بك:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- BZNSYP
        |--- ProsodyLabeling
             |--- 000001-010000.txt
        |--- Wave
   |--- ...
   

2. إعداد مجموعة البيانات (الافتراضي هو BIAOBEI )

    python prepare_dataset.py
   

   إذا قمت بإعداد THCHS-30 ، فيمكنك استخدام المعلمة- --dataset=THCHS-30 .

   بعد ذلك ، يمكنك الحصول على مجلد BIAOBEI على النحو التالي:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- BIAOBEI
        |--- biaobei_48000
   |--- ...
   

3. مجموعة بيانات المعالجة المسبقة (الافتراضي هو BIAOBEI )

    python preprocess.py
   

   إذا كانت prrprocessing THCHS-30 ، فيمكنك استخدام المعلمة- --dataset=THCHS-30 .

   بعد ذلك ، يمكنك الحصول على مجلد training_data على النحو التالي:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- training_data
        |--- audio
        |--- linear
        |--- mels
        |--- train.txt
   |--- ...
   

الخطوة (3) - طراز Train Tacotron

 python train.py

المزيد من المعلمات ، يرجى الاطلاع على Train.py.

بعد ذلك ، يمكنك الحصول على logs-Tacotron على النحو التالي:

 tacotron-2-mandarin-griffin-lim
|--- ...
|--- logs-Tacotron
     |--- eval-dir
     |--- plots
     |--- taco_pretrained
     |--- wavs
|--- ...

الخطوة (4) - توليف الصوت

 python synthesize.py

المزيد من المعلمات ، يرجى الاطلاع على synthesize.py.

بعد ذلك ، يمكنك الحصول على مجلد tacotron_output على النحو التالي:

 tacotron-2-mandarin-griffin-lim
|--- ...
|--- tacotron_output
     |--- eval
     |--- logs-eval
          |--- plots
          |--- wavs
|--- ...

المراجع والموارد

Rayhane-Mamah/Tacotron-2