SC CNN

SC-CNN: Effektive Lautsprecher-Konditionierungsmethode für Null-Shot-Multi-Speaker-Text-zu-Sprache-Systeme

Dank StyleSpeech und Vits haben wir unsere Codes basierend auf Link und Link erstellt

0. VCTK -Datensatz wird verwendet.
1. Die Abtastrate wird auf 22050 Hz gesetzt.
2. Dies ist die Implementierung von SC-TransferTTS

Materialien

• Demo -Seite
• Papier

Voraussetzungen

0. Klonen Sie dieses Repository.
1. Installieren Sie die Python -Anforderungen. Bitte beachten Sie die Anforderungen.txt
   1. Möglicherweise müssen Sie zuerst Espeak installieren: apt-get install espeak
2. Datensätze herunterladen
   1. Laden Sie den VCTK -Datensatz und den Down -Beispiel -WAV -Dateien auf 22050 Hz herunter und extrahieren Sie. Nennen ln -s /path/to/VCTK-Corpus/downsampled_wavs DUMMY3 dann einen Link zum Dataset -Ordner um oder erstellen
3. Erstellen Sie monotonische Ausrichtungssuche und führen Sie die Vorverarbeitung aus, wenn Sie Ihre eigenen Datensätze verwenden.

 # Cython-version Monotonoic Alignment Search
cd monotonic_align
python setup.py build_ext --inplace

Training exmaple

python train.py -c configs/vctk_base.json -m vctk_base

Inferenzbeispiel

Siehe Inferenz.ipynb