deepaudio tts

¿Qué es Deepaudio-TTS?

Deepaudio-TTS es un marco para capacitar a los modelos de texto a voz (TTS) basados ​​en redes neuronales. Inlcude o incluirá arquitecturas populares de redes neuronales para TTS y modelos de vocoder.

Para facilitar el uso de diversas funciones, como precisión mixta, entrenamiento de múltiples nodos y capacitación en TPU, etc., introduje la luz de pytorch y la hidra en este marco. Todavía está en desarrollo.

Ejemplos de capacitación

1. Preprocese sus datos. (Scripts que llegan pronto, o puede seguir el tutorial de Paddle Speech para este paso).
2. Entrena el modelo. Puede elegir un experimento en Deepaudio/TTS/CLI/Configs/Experiment. Luego entrene el modelo con las siguientes líneas:

 $ export PYTHONPATH="${PYTHONPATH}:/dir/of/this/project/"
$ python -m deepaudio.tts.cli.train experiment=tacotron2 datamodule.train_metadata=/you/path/to/train_metadata datamodule.dev_metadata=/you/path/to/dev_metadata

Modelos compatibles

1. Tacotrón2
2. FastSpeech2
3. Transformador TTS
4. Wavan paralelo
5. Hifigano
6. Vits

Plan futuro

código limpio

1. Eliminar códigos redundantes.
2. Haga que Deepaudio.tts.modeles sea más limpio.

Modelos

1. Otros modelos.
2. Modelos previos a la aparición.

Despliegue

1. ONNX
2. jit

Cómo contribuir a Deepaudio-TTS

Es un proyecto personal. Así que no tengo suficientes recursos de GPU para hacer muchos experimentos. Este proyecto todavía está en desarrollo. Aprecio cualquier tipo de retroalimentación o contribución. No dude en hacer una extracción de requsest para algunos problemas pequeños como correcciones de errores, resultados del experimento. Si tiene alguna pregunta, abra un problema.

Reconocer

Tomé prestados muchos códigos de ESPNet y Paddle Speech