MultiSpeech

Multiespech

Esta es una implementación de Pytorch de MultiSeCech: texto de múltiples altavoces a discurso con Transformer

Entrena en tus datos

Para capacitar al modelo en sus datos, siga los pasos a continuación

1. Preprocesamiento de datos

• Prepare sus datos y asegúrese de que los datos estén formateados en un formato de PSV como se muestra a continuación sin el encabezado

 speaker_id,audio_path,text,duration
0|file/to/file.wav|the text in that file|3.2 

La identificación del altavoz debe ser entera y comienza desde 0

• Asegúrese de que los audios sean mono si no realicen la conversión adecuada para cumplir con esta condición

2. Configuración de entorno de desarrollo

• crear entorno

python -m venv env

• activar el entorno

 source env/bin/activate

• Instale las dependencias requeridas

pip install -r requirements.txt

3. Entrenamiento

• Actualizar el archivo de configuración si es necesario
• entrenar el modelo

  python train.py --train_path train_data.txt --test_path test_data.txt --checkpoint_dir outdir --epoch 100 --batch_size 64