MultiSpeech

Multissois

Ceci est une implémentation Pytorch de MultiSseech: texte multi-haut-parleurs à la parole avec transformateur

Formez vos données

Afin de former le modèle sur vos données, suivez les étapes ci-dessous

1. Prétraitement des données

• Préparez vos données et assurez-vous que les données sont formatées dans un format PSV comme ci-dessous sans l'en-tête

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

L'ID du haut-parleur doit être entier et commence à 0

• Assurez-vous que les audios sont mono sinon effectuer la conversion appropriée pour remplir cette condition

2. Environnement de développement de configuration

• créer un environnement

python -m venv env

• activer l'environnement

 source env/bin/activate

• Installez les dépendances requises

pip install -r requirements.txt

3. Formation

• Mettez à jour le fichier de configuration si nécessaire
• former le modèle

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