etos tts Download - etos tts Quellcode Download

etos tts

AI-Quellcode

1.0.0

Herunterladen

Etos TTs

ETOS TTS zielt darauf ab, einen neuronalen Text-zu-Sprach (TTS) aufzubauen, der Text in Sprache in Stimmen umwandeln kann, die in freier Wildbahn abgetastet sind. Es handelt sich um eine Pytorch-Implementierung von Tacotron: ein vollständig End-to-End-Synthesemodell.

Verwendung

Anforderungen

Python 3.6 oder später
Pytorch 0.4 wird getestet
Für Ubuntu sudo apt install libsndfile1

Sie können PIP verwenden, um andere Anforderungen zu installieren.

pip3 install -r requirements.txt

Testen

Sie können ein vorgezogenes Modell unter models/may22 verwenden und den TTS -Webserver ausführen:

python server.py -c server_conf.json

Gehen Sie dann zu http://127.0.0.1:8000 und genießen Sie.

Daten

Derzeit bietet TTS Datenlader für

LJ Rede

Training des Netzwerks

Um Ihr eigenes Training auszuführen, müssen Sie eine config.json -Datei (einfache Vorlage unten) definieren und mit dem Befehl aufrufen.

train.py --config_path config.json

Wenn Sie einen bestimmten Satz von GPUs verwenden möchten.

CUDA_VISIBLE_DEVICES="0,1,4" train.py --config_path config.json

Jeder Lauf erstellt einen Experiment -Ordner mit dem Datum und der Uhrzeit des Corresponfing unter dem in config.json festgelegten Ordner. Und wenn es unter diesem Ordner noch kein Kontrollpunkt gibt, wird es entfernt, wenn Sie Strg+c drücken.

Sie können auch Tensorboard mit ein paar guten Trainingsprotokollen genießen, wenn Sie hinweisen -den Experiment -Ordner --logdir .

Beispiel config.json :

 {
  "num_mels": 80,
  "num_freq": 1025,
  "sample_rate": 22050,
  "frame_length_ms": 50,
  "frame_shift_ms": 12.5,
  "preemphasis": 0.97,
  "min_level_db": -100,
  "ref_level_db": 20,
  "embedding_size": 256,
  "text_cleaner": "english_cleaners",

  "epochs": 200,
  "lr": 0.002,
  "warmup_steps": 4000,
  "batch_size": 32,
  "eval_batch_size":32,
  "r": 5,
  "mk": 0.0,  // guidede attention loss weight. if 0 no use
  "priority_freq": true,  // freq range emphasis

  "griffin_lim_iters": 60,
  "power": 1.2,

  "dataset": "TWEB",
  "meta_file_train": "transcript_train.txt",
  "meta_file_val": "transcript_val.txt",
  "data_path": "/data/shared/BibleSpeech/",
  "min_seq_len": 0,
  "num_loader_workers": 8,

  "checkpoint": true,  // if save checkpoint per save_step
  "save_step": 200,
  "output_path": "/path/to/my_experiment",
}