TPGST Tacotron

TPGST -Neuauflagen mit Pytorch

Papier: Vorhersage des ausdrucksstarken Sprechstils aus Text in der End-to-End-Sprachsynthese

Voraussetzung

• Python 3.7
• Pytorch 1.3
• Librosa, Scipy, TQDM, Tensorboardx

Datensatz

• KSS, koreanische weibliche Sprachdatensatz für Single -Lautsprecher.

Proben

• Post

Verwendung

1. Laden Sie den obigen Datensatz herunter und ändern Sie den Pfad in config.py. Und dann den folgenden Befehl ausführen.

    python prepro.py
   

2. Das Modell muss 100k+ Stufen trainieren

    python train.py <gpu_id>
   

3. Nach dem Training können Sie eine Sprache aus dem Text synthetisieren.

    python synthesize.py <gpu_id> <model_path>
   

4. Um Ihre Samples zu hören, benötigen Sie möglicherweise einen MEL2WAV -Vocoder. Ich habe Vocoder nicht in dieses Repo aufgenommen.

Notizen

• Ich denke, der Unterschied zwischen Basis -Tacotron und TPGST ist im KSS -Datensatz gering.
• Ich werde bald mehr Experiminets machen.