ttslearn

TTSLEARN: Lernen Sie Sprachsynthese mit Bibliothek für Python (Text-to-Speech mit Python)

Japanisch geht weiter unten (japanische Anhänger)

Englisch: Dieses Buch ist in Japanisch geschrieben und sich auf japanische TTs konzentriert sich auf japanische TTs. Ein Teil der Funktionen (z. B. neuronale Netzwerkimplementierungen) in dieser Codebasis kann für andere Sprachen verwendet werden. Wir haben jedoch keinen Leitfaden oder Code für nicht japanische TTS-Systeme vorbereitet. Wir können die Codebasis in Zukunft für andere Sprachen erweitern, können aber nicht garantieren, wenn wir daran arbeiten würden.

Installation

 pip install ttslearn

Repository -Konfiguration

• TTSLEARN: Eine Kernbibliothek der Sprachsynthese, die für "Sprachsynthese mit Python lernen" erstellt wurde. pip install ttslearn . Es kann nicht nur als Beispielcode für Bücher verwendet werden, sondern auch als Allzweck-Sprachsynthesebibliothek.
• Notizbücher: Dies ist der Quellcode im Jupyter -Notebook -Format aus den Kapiteln 4 bis 10.
• Hydra: Dies ist der in Kapitel 6 erläuterte Beispielhydra -Code.
• Rezepte: Dies sind Rezepte für japanische Sprachsynthese, die in den Kapiteln 6, 8 und 10 erläutert wurden. Es enthält die Implementierung eines japanischen Sprachsynthesesystems unter Verwendung des JSUT -Corpus.
• Extra_Recipes: Ein Rezept für erweiterte Sprachsynthese. Obwohl in dem Buch nicht erklärt, enthält das Repository Rezepte für die Sprachsynthese mit dem JSUT Corpus und dem JVS Corpus, wie ttslearn -Bibliothek verwendet wird.

Eine detailliertere Dokumentation finden Sie unter https://r9y9.github.io/ttslearn/.

Lizenz

Der Quellcode wird von MIT lizenziert. Kann sowohl für kommerzielle als auch für nicht kommerzielle Zwecke verwendet werden. Weitere Informationen finden Sie in der Lizenzdatei.

Nutzungsbedingungen für geschulte Modelle

Die Release -Seite dieses Repositorys verteilt geschulte Modelle, die mit dem JSUT Corpus und dem JVS Corpus gelernt werden. Diese geschulten Modelle sind nur für "nichtkommerzielle Zwecke" erhältlich. Bei Verwendung eines geschulten Modells überprüfen Sie bitte auch die Nutzungsbedingungen für jeden Korpus.

Darüber hinaus haftet der Autor aufgrund der Verwendung des erlernten Modells nicht für Ansprüche, Schäden oder andere Verpflichtungen.

Anhang

Als Anhang haben wir die Spezifikationen für vollständige Kontextbezeichnungen für die japanische Sprachsynthese zusammengestellt. Weitere Informationen finden Sie unter DOCS/Anhang.pdf.

Anfrage

Wenn Sie Fragen zum Inhalt oder zum Quellcode des Buches haben, kontaktieren Sie uns bitte über das Github -Problem und wir werden so viel wie möglich antworten.

Entschuldigung und Korrektur

Die Errata für dieses Buch ist unter dem folgenden Link zusammengefasst.

Errata dieses Buches

Wenn Sie Fehler wie typografische Fehler finden, die nicht in der Errata aufgeführt sind, kontaktieren Sie uns bitte über Github -Problem.

Anerkennung

• Ein Quellcode für Tacotron 2 wurde basierend auf ESPNET erstellt. (Danke an @kan-bayashi)
• Wir haben Kan-Bayashi/Parallelwavegan für die meisten fortschrittlichen Rezeptimplementierungen verwendet.
• Wir haben Open JTalk und seine Python -Wrapper für die Textverarbeitung für die japanische Sprachsynthese verwendet.

Link

• Amazon: https://www.amazon.co.jp/dp/4295012270/
• Buchinformationen beeindrucken: https://book.impress.co.jp/books/1120101073