AiVoice

Tiefe Stimme 3

Dies ist eine Tensorflow-Implementierung von Deep Voice 3: 2000-Lautsprecher-Neuraltext-zu-Sprache. Im Moment konzentrieren wir uns nur auf die Einzellautsprechersynthese.

Erfordernis

• Tensorflow> = 1,2
• Python> = 3.0

Datensatz

Der LJ -Sprachdatensatz

Vorverarbeitung

Laden Sie den LJ -Sprachdatensatz herunter und entpacken Sie. Laufen:

 python prepro.py

HINWEIS: Stellen Sie sicher, dass wir den Datensatz in denselben folgenden prepro.py entpackt haben.

Danach bekamen wir drei neue Ordner:

 ├── dones          [New]
├── mags           [New]
├── mels           [New]
├── metadata.csv
├── README
└── wavs

Ausbildung

Die Trainingsdaten werden von ./LJSpeech-1.0/metadata.csv , ./LJSpeech-1.0/mels , ./LJSpeech-1.0/dones , ./LJSpeech-1.0/mags als standardmäßig geladen. Wenn wir den Ladepfad ändern möchten, können wir die Konfiguration in class Hyperparams ändern.

Um das Modell zu trainieren, verwenden wir diesen Befehl:

 python train.py

Vorausgebildeter Modell

Derzeit können wir kein gutes Ergebnis erzielen. Wir bieten jedoch unser vorgebildetes Modell immer noch an, falls jemand daran interessiert ist.

Vorausgebildeter Modell.

Seine Aufmerksamkeitszahl ist wie folgt:

Alle beim Training generierten Aufmerksamkeitszahlen sind in der vorgebreiteten Modell-Zip-Datei enthalten.

Dateibeschreibung

• Hyperparams.py: Hyperparameter
• Prepro.Py: Erstellt Eingänge und Ziele, dh, MEL -Spektrogramm, Größe und Dones.
• Data_load.py
• utils.py: Mehrere benutzerdefinierte Betriebsfunktionen.
• modules.py: Bausteine für die Netzwerke.
• networks.py: Encoder, Decoder und Konverter
• Train.py: Zug
• synthesize.py: Inferenz
• test_sents.txt: Einige Testsätze im Papier.

Referenz

Der größte Teil des Codes wird von Kyubyong/DeepVoice3 entlehnt.