tacotron2 mandarin

我的语音合成最新进展见 Paralleltts。

Ve a Paralleltts para mi último trabajo de TTS.

---

Tacotron-2 的 Pytorch 实现 ， 见 Tacotron2-Pytorch。

Implementación de Pytorch de Tacotron-2, ver Tacotron2-Pytorch.

---

Tacotron-2-Mandarin

Implementación de TensorFlow de Tacotron-2 de Deepmind. Una arquitectura de red neuronal profunda descrita en este documento: síntesis de TTS natural acondicionando Wavenet en predicciones de Mel Spectogram

Estructura de repo

 tacotron-2-mandarin-griffin-lim
|--- datasets
|--- logs-Tacotron
     |--- eval-dir
     |--- plots
     |--- taco_pretrained
     |--- wavs
|--- papers
|--- prepare
|--- tacotron
     |--- models
     |--- utils
|--- tacotron_output
     |--- eval
     |--- logs-eval
          |--- plots
          |--- wavs
|--- training_data
     |--- audio
     |--- linear
     |--- mels

Muestras

Hay algunas muestras de síntesis aquí.

Previamente

Puede obtener el modelo previamente provocado aquí.

Comienzo rápido

OS: Ubuntu 16.04

Paso (0) - Repositorio de clones Git

 git clone https://github.com/atomicoo/tacotron2-mandarin.git
cd tacotron-2-mandarin-griffin-lim/

Paso (1) - Instalar dependencias

1. Instale Python 3 (Python-3.5.5 para mí)

2. Instale TensorFlow (TensorFlow-1.10.0 para mí)

3. Instalar otras dependencias

    pip install -r requirements.txt
   

Paso (2) - Prepare el conjunto de datos

1. Descargar DataSet Biaobei o THCHS-30

   Después de eso, su árbol de doctor debería ser:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- BZNSYP
        |--- ProsodyLabeling
             |--- 000001-010000.txt
        |--- Wave
   |--- ...
   

2. Preparar el conjunto de datos (el valor predeterminado es BIAOBEI )

    python prepare_dataset.py
   

   Si prepara THCHS-30 , puede usar el parámetro --dataset=THCHS-30 .

   Después de eso, puede obtener una carpeta BIAOBEI de la siguiente manera:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- BIAOBEI
        |--- biaobei_48000
   |--- ...
   

3. Conjunto de datos de preprocesos (el valor predeterminado es BIAOBEI )

    python preprocess.py
   

   Si prrRprocessing THCHS-30 , puede usar el parámetro --dataset=THCHS-30 .

   Después de eso, puede obtener una carpeta de training_data de la siguiente manera:

    tacotron-2-mandarin-griffin-lim
   |--- ...
   |--- training_data
        |--- audio
        |--- linear
        |--- mels
        |--- train.txt
   |--- ...
   

Paso (3) - Modelo de Tacotron de tren

 python train.py

Más parámetros, consulte Train.py.

Después de eso, puede obtener una carpeta logs-Tacotron de la siguiente manera:

 tacotron-2-mandarin-griffin-lim
|--- ...
|--- logs-Tacotron
     |--- eval-dir
     |--- plots
     |--- taco_pretrained
     |--- wavs
|--- ...

Paso (4) - Sintetizar audio

 python synthesize.py

Más parámetros, consulte synthesize.py.

Después de eso, puede obtener una carpeta tacotron_output de la siguiente manera:

 tacotron-2-mandarin-griffin-lim
|--- ...
|--- tacotron_output
     |--- eval
     |--- logs-eval
          |--- plots
          |--- wavs
|--- ...

Referencias y recursos

Rayhane-Mamah/Tacotron-2