TFGAN

Tfgan

Ce repo est des outils non officiels du réseau adversaire génératif basé sur le domaine du temps et du domaine fréquentiel pour la synthèse de la parole haute fidélité à l'aide de pytorch.

Exigence

Testé sur Python 3.6

pip install -r requirements.txt

Préparer un ensemble de données

• Téléchargez un ensemble de données pour la formation. Il peut s'agir de tous les fichiers WAV avec une fréquence d'échantillonnage 22050Hz. (par exemple, LJSpeech a été utilisé dans le papier)
• Preprocess: python preprocess.py -c config/default.yaml -d [data's root path]
• Modifier le fichier yaml Configuration

Train et Tensorboard

• python trainer.py -c [config yaml file] -n [name of the run]

  • cp config/default.yaml config/config.yaml puis modifier config.yaml
  • Notez le chemin racine des fichiers Train / Validation vers la 2e / 3e ligne.

• tensorboard --logdir logs/

Inférence

• python inference.py -p [checkpoint path] -i [input mel path]

Point de contrôle:

• Point de contrôle LJSpeech ici.