Beranda>Terkait pemrograman>Kode Sumber AI
Unduh

Implementasi Wavegan Paralel dengan Pytorch

Repositori ini menyediakan implementasi Pytorch tidak resmi dari model -model berikut:

  • Paralel Wavegan
  • Melgan
  • Multiband-Melgan
  • Hifi-gan
  • Stylemelgan

Anda dapat menggabungkan model non-autoregresif canggih ini untuk membangun vokoder Anda sendiri!

Silakan periksa sampel kami di demo kami.

Sumber gambar: https://arxiv.org/pdf/1910.11480.pdf

Tujuan dari repositori ini adalah untuk menyediakan vocoder saraf real-time, yang kompatibel dengan ESPNET-TTS.
Juga, repositori ini dapat dikombinasikan dengan implementasi berbasis NVIDIA/TACOTRON2 (lihat komentar ini).

Anda dapat mencoba demonstrasi sintesis suara end-to-end-time-real-time dan menyanyi di Google Colab!

  • Demonstrasi real-time dengan ESPNET2
  • Demonstrasi real-time dengan ESPNET1
  • Demonstrasi real-time dengan muskit

Apa yang baru

  • Resep Libitts-R 2023/08/17 tersedia!
  • 2022/02/27 Mendukung Singing Voice Vocoder [EGS/{Kiritan, Opencpop, Oniku_kurumi_utagoe_db, ofuton_p_utagoe_db, CSD, Kising}/VOC1]
  • 2021/10/21 Resep Korea Speaker Tunggal [EGS/KSS/VOC1] tersedia.
  • 2021/08/24 Tambahkan lebih banyak model Stylemelgan dan HiFi-Gan.
  • 2021/08/07 Tambahkan model awal Stylemelgan dan HiFi-Gan.
  • 2021/08/03 Dukungan Generator Stylemelgan dan Diskriminator!
  • 2021/08/02 Dukungan Generator dan Diskriminator HiFi-Gan!
  • Resep JSSS 2020/10/07 tersedia!
  • 2020/08/19 Demo real-time dengan ESPNET2 tersedia!
  • 2020/05/29 VCTK, JSUT, dan CSMSC Multi-band Melgan Pretrained Model tersedia!
  • 2020/05/27 LJSPEECH MULTI MULTI-BAND MODEL PREDRAD TERSEDIA!
  • 2020/05/24 LJSPEECH Full-band Melgan Pretrained Model tersedia!
  • 2020/05/22 LJSPEECH Multi-band Melgan Pretrained Model tersedia!
  • 2020/05/16 Multi-band Melgan tersedia!
  • 2020/03/25 Model Pretrained Libritts tersedia!
  • 2020/03/17 TensorFlow Conversion Contoh Notebook tersedia (terima kasih, @dathudeptrai)!
  • Resep Libitts 2020/03/16 tersedia!
  • 2020/03/12 PWG G + Melgan D + STFT-Loss Sampel tersedia!
  • 2020/03/12 Resep Bahasa Inggris Multi-Speaker EGS/VCTK/VOC1 tersedia!
  • 2020/02/22 Melgan G + Melgan D + Sampel Loss-Loss Tersedia!
  • 2020/02/12 Mendukung Diskriminator Melgan!
  • 2020/02/08 Mendukung Generator Melgan!

Persyaratan

Repositori ini diuji pada Ubuntu 20.04 dengan GPU Titan V.

  • Python 3.8+
  • CUDA 11.0+
  • Cudnn 8+
  • NCCL 2+ (untuk pelatihan multi-GPU terdistribusi)
  • LIBSNDFILE (Anda dapat menginstal melalui sudo apt install libsndfile-dev di ubuntu)
  • jq (Anda dapat menginstal melalui sudo apt install jq di ubuntu)
  • Sox (Anda dapat menginstal melalui sudo apt install sox di ubuntu)

Versi CUDA yang berbeda harus berfungsi tetapi tidak diuji secara eksplisit.
Semua kode diuji pada Pytorch 1.8.1, 1.9, 1.10.2, 1.11.0, 1.12.1, 1.13.1, 2.0.1 dan 2.1.0.

Pengaturan

Anda dapat memilih metode instalasi dari dua alternatif.

A. Gunakan Pip 

$ git clone https://github.com/kan-bayashi/ParallelWaveGAN.git
$ cd ParallelWaveGAN
$ pip install -e .
# If you want to use distributed training, please install
# apex manually by following https://github.com/NVIDIA/apex
$ ...

Perhatikan bahwa versi CUDA Anda harus persis cocok dengan versi yang digunakan untuk biner Pytorch untuk menginstal Apex.
Untuk menginstal Pytorch yang dikompilasi dengan versi CUDA yang berbeda, lihat tools/Makefile .

B. Buat VirtualEnv 

$ git clone https://github.com/kan-bayashi/ParallelWaveGAN.git
$ cd ParallelWaveGAN/tools
$ make
# If you want to use distributed training, please run following
# command to install apex.
$ make apex

Perhatikan bahwa kami menentukan versi CUDA yang digunakan untuk mengkompilasi roda Pytorch.
Jika Anda ingin menggunakan versi CUDA yang berbeda, silakan periksa tools/Makefile untuk mengubah roda Pytorch yang akan diinstal.

Resep

Repositori ini menyediakan resep gaya Kaldi, sama dengan ESPNET.
Saat ini, resep berikut didukung.

  • Ljspeech: penutur wanita Inggris
  • JSUT: Pembicara wanita Jepang
  • JSSS: Pembicara wanita Jepang
  • CSMSC: Pembicara wanita Mandarin
  • CMU Arktik: Penutur Bahasa Inggris
  • JNAS: Multi-speaker Jepang
  • VCTK: Bahasa Inggris multi-speaker
  • Libritts: Multi-speaker bahasa Inggris
  • Libritts-R: Multi-speaker bahasa Inggris ditingkatkan dengan restorasi ucapan.
  • Yesno: Penutur Bahasa Inggris (untuk debugging)
  • KSS: Pembicara wanita tunggal Korea
  • Oniku_kurumi_utagoe_db/: penyanyi wanita jepang tunggal (suara bernyanyi)
  • Kiritan: penyanyi pria lajang Jepang (suara bernyanyi)
  • Ofuton_p_utagoe_db: penyanyi wanita lajang Jepang (suara bernyanyi)
  • Opencpop: penyanyi wanita mandarin tunggal (suara bernyanyi)
  • CSD: Penyanyi wanita Korea/Inggris tunggal (suara bernyanyi)
  • Kising: penyanyi wanita single mandarin (suara bernyanyi)

Untuk menjalankan resep, silakan ikuti instruksi di bawah ini. 

 # Let us move on the recipe directory
$ cd egs/ljspeech/voc1

# Run the recipe from scratch
$ ./run.sh

# You can change config via command line
$ ./run.sh --conf < your_customized_yaml_config >

# You can select the stage to start and stop
$ ./run.sh --stage 2 --stop_stage 2

# If you want to specify the gpu
$ CUDA_VISIBLE_DEVICES=1 ./run.sh --stage 2

# If you want to resume training from 10000 steps checkpoint
$ ./run.sh --stage 2 --resume < path > / < to > /checkpoint-10000steps.pkl

Lihat info lebih lanjut tentang resep dalam readme ini.

Kecepatan

Kecepatan decoding adalah RTF = 0,016 dengan Titan V, jauh lebih cepat daripada waktu-nyata. 

[decode]: 100% | ██████████ | 250/250 [00: 30< 00:00,  8.31it/s, RTF = 0.0156]
2019-11-03 09:07:40,480 (decode:127) INFO: finished generation of 250 utterances (RTF = 0.016).

Bahkan pada CPU (Intel (R) Xeon (R) Gold 6154 CPU @ 3.00GHz 16 utas), ia dapat menghasilkan kurang dari waktu nyata. 

[decode]: 100% | ██████████ | 250/250 [22: 16< 00:00,  5.35s/it, RTF = 0.841]
2019-11-06 09:04:56,697 (decode:129) INFO: finished generation of 250 utterances (RTF = 0.734).

Jika Anda menggunakan generator Melgan, kecepatan decoding akan lebih cepat. 

 # On CPU (Intel(R) Xeon(R) Gold 6154 CPU @ 3.00GHz 16 threads)
[decode]: 100% | ██████████ | 250/250 [04: 00< 00:00,  1.04it/s, RTF = 0.0882]
2020-02-08 10:45:14,111 (decode:142) INFO: Finished generation of 250 utterances (RTF = 0.137).

# On GPU (TITAN V)
[decode]: 100% | ██████████ | 250/250 [00: 06< 00:00, 36.38it/s, RTF = 0.00189]
2020-02-08 05:44:42,231 (decode:142) INFO: Finished generation of 250 utterances (RTF = 0.002).

Jika Anda menggunakan generator Melgan multi-band, kecepatan decoding akan jauh lebih cepat. 

 # On CPU (Intel(R) Xeon(R) Gold 6154 CPU @ 3.00GHz 16 threads)
[decode]: 100% | ██████████ | 250/250 [01: 47< 00:00,  2.95it/s, RTF = 0.048]
2020-05-22 15:37:19,771 (decode:151) INFO: Finished generation of 250 utterances (RTF = 0.059).

# On GPU (TITAN V)
[decode]: 100% | ██████████ | 250/250 [00: 05< 00:00, 43.67it/s, RTF = 0.000928]
2020-05-22 15:35:13,302 (decode:151) INFO: Finished generation of 250 utterances (RTF = 0.001).

Jika Anda ingin mempercepat inferensi lebih lanjut, ada baiknya mencoba konversi dari Pytorch ke TensorFlow.
Contoh konversi tersedia di notebook (disediakan oleh @Dathudeptrai).

Hasil

Di sini hasilnya dirangkum dalam tabel.
Anda dapat mendengarkan sampel dan mengunduh model pretrain dari tautan ke Google Drive kami.

Model Conf Lang FS [Hz] Range Mel [Hz] Fft / hop / win [pt] # iters
ljspeech_parallel_wavegan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 400K
ljspeech_parallel_wavegan.v1.long link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_parallel_wavegan.v1.no_limit link En 22.05k Tidak ada 1024 /256 / tidak ada 400K
ljspeech_parallel_wavegan.v3 link En 22.05k 80-7600 1024 /256 / tidak ada 3m
ljspeech_melgan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 400K
ljspeech_melgan.v1.long link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_melgan_large.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 400K
ljspeech_melgan_large.v1.long link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_melgan.v3 link En 22.05k 80-7600 1024 /256 / tidak ada 2m
ljspeech_melgan.v3.long link En 22.05k 80-7600 1024 /256 / tidak ada 4m
ljspeech_full_band_melgan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_full_band_melgan.v2 link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_multi_band_melgan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_multi_band_melgan.v2 link En 22.05k 80-7600 1024 /256 / tidak ada 1m
ljspeech_hifigan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 2.5m
ljspeech_style_melgan.v1 link En 22.05k 80-7600 1024 /256 / tidak ada 1.5m
jsut_parallel_wavegan.v1 link Jp 24K 80-7600 2048 / 300/1200 400K
jsut_multi_band_melgan.v2 link Jp 24K 80-7600 2048 / 300/1200 1m
just_hifigan.v1 link Jp 24K 80-7600 2048 / 300/1200 2.5m
just_style_melgan.v1 link Jp 24K 80-7600 2048 / 300/1200 1.5m
csmsc_parallel_wavegan.v1 link ZH 24K 80-7600 2048 / 300/1200 400K
csmsc_multi_band_melgan.v2 link ZH 24K 80-7600 2048 / 300/1200 1m
csmsc_hifigan.v1 link ZH 24K 80-7600 2048 / 300/1200 2.5m
csmsc_style_melgan.v1 link ZH 24K 80-7600 2048 / 300/1200 1.5m
arctic_slt_parallel_wavegan.v1 link En 16K 80-7600 1024 /256 / tidak ada 400K
jnas_parallel_wavegan.v1 link Jp 16K 80-7600 1024 /256 / tidak ada 400K
vctk_parallel_wavegan.v1 link En 24K 80-7600 2048 / 300/1200 400K
vctk_parallel_wavegan.v1.long link En 24K 80-7600 2048 / 300/1200 1m
vctk_multi_band_melgan.v2 link En 24K 80-7600 2048 / 300/1200 1m
vctk_hifigan.v1 link En 24K 80-7600 2048 / 300/1200 2.5m
vctk_style_melgan.v1 link En 24K 80-7600 2048 / 300/1200 1.5m
libts_parallel_wavegan.v1 link En 24K 80-7600 2048 / 300/1200 400K
libts_parallel_wavegan.v1.long link En 24K 80-7600 2048 / 300/1200 1m
libts_multi_band_melgan.v2 link En 24K 80-7600 2048 / 300/1200 1m
libts_hifigan.v1 link En 24K 80-7600 2048 / 300/1200 2.5m
libts_style_melgan.v1 link En 24K 80-7600 2048 / 300/1200 1.5m
kss_parallel_wavegan.v1 link Ko 24K 80-7600 2048 / 300/1200 400K
HUI_ACG_HOKUSPOKUS_PARALLEL_WAVEGAN.V1 link De 24K 80-7600 2048 / 300/1200 400K
ruslan_parallel_wavegan.v1 link Ru 24K 80-7600 2048 / 300/1200 400K
oniku_hifigan.v1 link Jp 24K 80-7600 2048 / 300/1200 250k
kiritan_hifigan.v1 link Jp 24K 80-7600 2048 / 300/1200 300K
ofuton_hifigan.v1 link Jp 24K 80-7600 2048 / 300/1200 300K
opencpop_hifigan.v1 link ZH 24K 80-7600 2048 / 300/1200 250k
csd_english_hifigan.v1 link En 24K 80-7600 2048 / 300/1200 300K
csd_korean_hifigan.v1 link En 24K 80-7600 2048 / 300/1200 250k
kising_hifigan.v1 link ZH 24K 80-7600 2048 / 300/1200 300K
m4singer_hifigan.v1 link ZH 24K 80-7600 2048 / 300/1200 1m

Harap akses di Google Drive kami untuk memeriksa lebih banyak hasil.

Silakan periksa lisensi database (misalnya, apakah itu tepat untuk penggunaan komersial) sebelum menggunakan model pra-terlatih.
Penulis tidak akan bertanggung jawab atas kerugian apa pun karena penggunaan model dan perselisihan hukum mengenai penggunaan dataset.

Model yang harus digunakan sebelumnya

Analisis-sintesis

Di sini kode minimal terbukti melakukan sintesis analisis menggunakan model pretrained. 

 # Please make sure you installed `parallel_wavegan`
# If not, please install via pip
$ pip install parallel_wavegan

# You can download the pretrained model from terminal
$ python << EOF
from parallel_wavegan.utils import download_pretrained_model
download_pretrained_model("<pretrained_model_tag>", "pretrained_model")
EOF

# You can get all of available pretrained models as follows:
$ python << EOF
from parallel_wavegan.utils import PRETRAINED_MODEL_LIST
print(PRETRAINED_MODEL_LIST.keys())
EOF

# Now you can find downloaded pretrained model in `pretrained_model/<pretrain_model_tag>/`
$ ls pretrain_model/ < pretrain_model_tag >
  checkpoint-400000steps.pkl    config.yml    stats.h5

# These files can also be downloaded manually from the above results

# Please put an audio file in `sample` directory to perform analysis-synthesis
$ ls sample/
  sample.wav

# Then perform feature extraction -> feature normalization -> synthesis
$ parallel-wavegan-preprocess 
    --config pretrain_model/ < pretrain_model_tag > /config.yml 
    --rootdir sample 
    --dumpdir dump/sample/raw
100% | ████████████████████████████████████████ | 1/1 [00: 00< 00:00, 914.19it/s]
$ parallel-wavegan-normalize 
    --config pretrain_model/ < pretrain_model_tag > /config.yml 
    --rootdir dump/sample/raw 
    --dumpdir dump/sample/norm 
    --stats pretrain_model/ < pretrain_model_tag > /stats.h5
2019-11-13 13:44:29,574 (normalize:87) INFO: the number of files = 1.
100% | ████████████████████████████████████████ | 1/1 [00: 00< 00:00, 513.13it/s]
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --dumpdir dump/sample/norm 
    --outdir sample
2019-11-13 13:44:31,229 (decode:91) INFO: the number of features to be decoded = 1.
[decode]: 100% | ███████████████████ | 1/1 [00: 00< 00:00, 18.33it/s, RTF = 0.0146]
2019-11-13 13:44:37,132 (decode:129) INFO: finished generation of 1 utterances (RTF = 0.015).

# You can skip normalization step (on-the-fly normalization, feature extraction -> synthesis)
$ parallel-wavegan-preprocess 
    --config pretrain_model/ < pretrain_model_tag > /config.yml 
    --rootdir sample 
    --dumpdir dump/sample/raw
100% | ████████████████████████████████████████ | 1/1 [00: 00< 00:00, 914.19it/s]
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --dumpdir dump/sample/raw 
    --normalize-before 
    --outdir sample
2019-11-13 13:44:31,229 (decode:91) INFO: the number of features to be decoded = 1.
[decode]: 100% | ███████████████████ | 1/1 [00: 00< 00:00, 18.33it/s, RTF = 0.0146]
2019-11-13 13:44:37,132 (decode:129) INFO: finished generation of 1 utterances (RTF = 0.015).

# you can find the generated speech in `sample` directory
$ ls sample
  sample.wav    sample_gen.wav

Decoding dengan fitur model ESPNET-TTS

Di sini, saya menunjukkan prosedur untuk menghasilkan bentuk gelombang dengan fitur yang dihasilkan oleh model ESPNET-TTS. 

 # Make sure you already finished running the recipe of ESPnet-TTS.
# You must use the same feature settings for both Text2Mel and Mel2Wav models.
# Let us move on "ESPnet" recipe directory
$ cd /path/to/espnet/egs/ < recipe_name > /tts1
$ pwd
/path/to/espnet/egs/ < recipe_name > /tts1

# If you use ESPnet2, move on `egs2/`
$ cd /path/to/espnet/egs2/ < recipe_name > /tts1
$ pwd
/path/to/espnet/egs2/ < recipe_name > /tts1

# Please install this repository in ESPnet conda (or virtualenv) environment
$ . ./path.sh && pip install -U parallel_wavegan

# You can download the pretrained model from terminal
$ python << EOF
from parallel_wavegan.utils import download_pretrained_model
download_pretrained_model("<pretrained_model_tag>", "pretrained_model")
EOF

# You can get all of available pretrained models as follows:
$ python << EOF
from parallel_wavegan.utils import PRETRAINED_MODEL_LIST
print(PRETRAINED_MODEL_LIST.keys())
EOF

# You can find downloaded pretrained model in `pretrained_model/<pretrain_model_tag>/`
$ ls pretrain_model/ < pretrain_model_tag >
  checkpoint-400000steps.pkl    config.yml    stats.h5

# These files can also be downloaded manually from the above results

Kasus 1 : Jika Anda menggunakan dataset yang sama untuk Text2Mel dan Mel2Wav 

 # In this case, you can directly use generated features for decoding.
# Please specify `feats.scp` path for `--feats-scp`, which is located in
# exp/<your_model_dir>/outputs_*_decode/<set_name>/feats.scp.
# Note that do not use outputs_*decode_denorm/<set_name>/feats.scp since
# it is de-normalized features (the input for PWG is normalized features).
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --feats-scp exp/ < your_model_dir > /outputs_ * _decode/ < set_name > /feats.scp 
    --outdir < path_to_outdir >

# In the case of ESPnet2, the generated feature can be found in
# exp/<your_model_dir>/decode_*/<set_name>/norm/feats.scp.
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --feats-scp exp/ < your_model_dir > /decode_ * / < set_name > /norm/feats.scp 
    --outdir < path_to_outdir >

# You can find the generated waveforms in <path_to_outdir>/.
$ ls < path_to_outdir >
  utt_id_1_gen.wav    utt_id_2_gen.wav  ...    utt_id_N_gen.wav

Kasus 2 : Jika Anda menggunakan set data yang berbeda untuk model Text2Mel dan Mel2Wav 

 # In this case, you must provide `--normalize-before` option additionally.
# And use `feats.scp` of de-normalized generated features.

# ESPnet1 case
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --feats-scp exp/ < your_model_dir > /outputs_ * _decode_denorm/ < set_name > /feats.scp 
    --outdir < path_to_outdir > 
    --normalize-before

# ESPnet2 case
$ parallel-wavegan-decode 
    --checkpoint pretrain_model/ < pretrain_model_tag > /checkpoint-400000steps.pkl 
    --feats-scp exp/ < your_model_dir > /decode_ * / < set_name > /denorm/feats.scp 
    --outdir < path_to_outdir > 
    --normalize-before

# You can find the generated waveforms in <path_to_outdir>/.
$ ls < path_to_outdir >
  utt_id_1_gen.wav    utt_id_2_gen.wav  ...    utt_id_N_gen.wav

Jika Anda ingin menggabungkan model-model ini di Python, Anda dapat mencoba demonstrasi real-time di Google Colab!

  • Demonstrasi real-time dengan ESPNET2
  • Demonstrasi real-time dengan ESPNET1

Decoding dengan file npy yang dibuang

Terkadang kami ingin memecahkan kode dengan file NPY yang dibuang, yang merupakan Mel-spectrogram yang dihasilkan oleh model TTS. Pastikan Anda menggunakan pengaturan ekstraksi fitur yang sama dari vocoder pretrained ( fs , fft_size , hop_size , win_length , fmin , dan fmax ).
Hanya perbedaan log_base yang dapat diubah dengan beberapa pasca-pemrosesan (kami menggunakan log 10 alih-alih log alami sebagai default). Lihat detail dalam komentar. 

 # Generate dummy npy file of mel-spectrogram
$ ipython
[ins] In [1]: import numpy as np
[ins] In [2]: x = np.random.randn(512, 80)  # (#frames, #mels)
[ins] In [3]: np.save( " dummy_1.npy " , x)
[ins] In [4]: y = np.random.randn(256, 80)  # (#frames, #mels)
[ins] In [5]: np.save( " dummy_2.npy " , y)
[ins] In [6]: exit

# Make scp file (key-path format)
$ find -name " *.npy " | awk ' {print "dummy_" NR " " $1} ' > feats.scp

# Check (<utt_id> <path>)
$ cat feats.scp
dummy_1 ./dummy_1.npy
dummy_2 ./dummy_2.npy

# Decode without feature normalization
# This case assumes that the input mel-spectrogram is normalized with the same statistics of the pretrained model.
$ parallel-wavegan-decode 
    --checkpoint /path/to/checkpoint-400000steps.pkl 
    --feats-scp ./feats.scp 
    --outdir wav
2021-08-10 09:13:07,624 (decode:140) INFO: The number of features to be decoded = 2.
[decode]: 100% | ████████████████████████████████████████ | 2/2 [00: 00< 00:00, 13.84it/s, RTF = 0.00264]
2021-08-10 09:13:29,660 (decode:174) INFO: Finished generation of 2 utterances (RTF = 0.005).

# Decode with feature normalization
# This case assumes that the input mel-spectrogram is not normalized.
$ parallel-wavegan-decode 
    --checkpoint /path/to/checkpoint-400000steps.pkl 
    --feats-scp ./feats.scp 
    --normalize-before 
    --outdir wav
2021-08-10 09:13:07,624 (decode:140) INFO: The number of features to be decoded = 2.
[decode]: 100% | ████████████████████████████████████████ | 2/2 [00: 00< 00:00, 13.84it/s, RTF = 0.00264]
2021-08-10 09:13:29,660 (decode:174) INFO: Finished generation of 2 utterances (RTF = 0.005).

Catatan

  • Ketentuan Penggunaan Model Pretrain mengikuti setiap korpus yang digunakan untuk pelatihan. Harap periksa sendiri dengan cermat.
  • Beberapa kode berasal dari ESPNET atau KALDI, yang didasarkan pada Apache-2.0 Licenese.

Referensi

  • Paralel Wavegan
  • R9Y9/WAVENET_VOCODER
  • Liyuanlucasliu/radam
  • Melgan
  • Deskripsi/Melgan-Neurips
  • Multi-band Melgan
  • Hifi-gan
  • jik876/hifi-gan
  • Stylemelgan

Pengakuan

Penulis ingin mengucapkan terima kasih kepada Ryuichi Yamamoto (@r9y9) untuk repositori, kertas, dan diskusi yang berharga.

Pengarang

Tomoki Hayashi (@Kan-Bayashi)
E-mail: hayashi.tomoki<at>g.sp.m.is.nagoya-u.ac.jp

Memperluas
Informasi Tambahan
Aplikasi Terkait
Direkomendasikan untuk Anda
Informasi Terkait Semua