dctts2

Tiefe Faltungstext zur Sprache

Dies handelt

Der Code basiert auf den folgenden Implementierungen

• https://github.com/keithito/tacotron.git
• https://github.com/joisino/chainer-ettts.git
• https://github.com/kyubyong/tacotron.git

Das Modell Trains "text2mel" & "ssrn" separat durch trainmelmel.py & trainmag.py Sie müssen den LJSpeech-Datensatz herunterladen

Audio -Samples

Sie können Audio -Samples anhören

Vorausgebildete Modelle können hier heruntergeladen werden

Bereiten Sie den Datensatz vor

Zuerst müssen Sie den Datensatz vorbereiten. Wenn Sie den LJSpeech -Datensatz verwenden möchten, können Sie die folgenden Befehle verwenden.

 $ wget http://data.keithito.com/data/speech/LJSpeech-1.0.tar.bz2
$ tar xvf LJSpeech-1.0.tar.bz2
$ python prepro.py 

Trainieren Sie das Text2Mel -Netzwerk

 $ python trainmel.py

Während des Trainings können Sie die Ausgabe (standardmäßig alle 200 Minibatches) überprüfen, um die ersten beiden Beispiele in der Charge in mel0.png & mel1.png zu überprüft.

Mel

Aufmerksamkeit

Trainieren Sie das SSRN -Netzwerk

 $ python trainmag.py

Während des Trainings können Sie die Ausgabe über Mag0.png & Mag1.png betrachten, das das gelernte Spektrogramm mit der Groung -Wahrheit vergleicht.

Mag

Synthetisieren

Um eine neue Sendance -Verwendung zu synthetisieren:

 $ python synth.py --text "sentance to synthesize" --file output.wav

Demo -Webserver

Sie können einen Demo -Webserver ausführen, um TTs durch Ausführen durchzuführen

 $ python server.py

Dadurch wird Flask Framework verwendet, um die Demo auszuführen