tacotron2 mandarin

我的语音合成最新进展见 Paralltts。

Allez paralllerts pour mes derniers travaux de TTS.

---

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

Implémentation Pytorch de Tacotron-2, voir Tacotron2-Pytorch.

---

tacotron-2-martan

Implémentation de TensorFlow du Tacotron-2 de DeepMind. Une architecture de réseau neuronal profond décrit dans cet article: Synthèse TTS naturelle en conditionnant les prédictions du wavenet sur Mel Spectogram

Structure de réapprovisionnement

 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

Échantillons

Il existe des échantillons de synthèse ici.

Prénommagé

Vous pouvez obtenir un modèle pré-entraîné ici.

Démarrage rapide

OS: Ubuntu 16.04

Étape (0) - Référentiel Git Clone

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

Étape (1) - Installer les dépendances

1. Installez Python 3 (Python-3.5.5 pour moi)

2. Installez TensorFlow (Tensorflow-1.10.0 pour moi)

3. Installer d'autres dépendances

    pip install -r requirements.txt
   

Étape (2) - Préparer un ensemble de données

1. Télécharger le jeu de données Biaobei ou THCHS-30

   Après cela, votre arbre Doc devrait être:

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

2. Préparer un ensemble de données (la valeur par défaut est BIAOBEI )

    python prepare_dataset.py
   

   Si vous préparez THCHS-30 , vous pouvez utiliser le paramètre --dataset=THCHS-30 .

   Après cela, vous pouvez obtenir un dossier BIAOBEI comme suit:

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

3. Ensemble de données de prétraitement (la valeur par défaut est BIAOBEI )

    python preprocess.py
   

   Si le procédure de THCHS-30 , vous pouvez utiliser le paramètre --dataset=THCHS-30 .

   Après cela, vous pouvez obtenir un dossier training_data comme suit:

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

Étape (3) - Train Tacotron Modèle

 python train.py

Plus de paramètres, veuillez consulter Train.py.

Après cela, vous pouvez obtenir un logs-Tacotron comme suit:

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

Étape (4) - Synthétiser l'audio

 python synthesize.py

Plus de paramètres, veuillez consulter synthétisé.py.

Après cela, vous pouvez obtenir un dossier tacotron_output comme suit:

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

Références et ressources

Rayhane-Mamah / Tacotron-2