SC CNN

SC-CNN: Metode pengkondisian speaker yang efektif untuk sistem teks-ke-speech multi-speaker zero-shot

Berkat Stylespeech dan Vits, kami membangun kode kami berdasarkan tautan dan tautan

0. Dataset VCTK digunakan.
1. Laju pengambilan sampel diatur ke 22050Hz.
2. Ini adalah implementasi SC-TransferTTS

Bahan

• Halaman demo
• Kertas

Prasyarat

0. Kloning repositori ini.
1. Pasang persyaratan Python. Silakan merujuk persyaratan.txt
   1. Anda mungkin perlu menginstal Espeak terlebih dahulu: apt-get install espeak
2. Unduh set data
   1. Unduh dan ekstrak Dataset VCTK, dan file WAV Downsample ke 22050 Hz. Kemudian ganti nama atau buat tautan ke folder dataset: ln -s /path/to/VCTK-Corpus/downsampled_wavs DUMMY3
3. Bangun pencarian penyelarasan monotonik dan jalankan preprocessing jika Anda menggunakan set data Anda sendiri.

 # Cython-version Monotonoic Alignment Search
cd monotonic_align
python setup.py build_ext --inplace

Melatih exmaple

python train.py -c configs/vctk_base.json -m vctk_base

Contoh inferensi

Lihat inferensi.ipynb