ttslearn

TTSLEARN: Pelajari sintesis ucapan dengan perpustakaan untuk python (teks-ke-python)

Jepang melanjutkan di bawah (pengikut Jepang)

Bahasa Inggris: Buku ini ditulis dalam bahasa Jepang dan utama berfokus pada TT Jepang. Beberapa fungsionalitas (misalnya, implementasi jaringan saraf) dalam basis kode ini dapat digunakan untuk bahasa lain. Namun, kami tidak menyiapkan panduan atau kode apa pun untuk sistem TTS non-Jepang. Kami dapat memperpanjang basis kode untuk bahasa lain di masa depan tetapi tidak dapat menjamin apakah kami akan mengerjakannya.

Instalasi

 pip install ttslearn

Konfigurasi Repositori

• TTSLEARN: Perpustakaan inti sintesis wicara yang dibuat untuk "Pelajari Sintesis Bicara dengan Python." pip install ttslearn . Ini dapat digunakan tidak hanya sebagai kode sampel untuk buku, tetapi juga sebagai pustaka sintesis ucapan tujuan umum.
• Notebook: Ini adalah kode sumber dalam format notebook Jupyter dari bab 4 hingga 10.
• Hydra: Ini adalah contoh kode Hydra yang dijelaskan dalam Bab 6.
• Resep: Ini adalah resep sintesis pidato Jepang yang dijelaskan dalam Bab 6, 8, dan 10. Ini termasuk implementasi sistem sintesis pidato Jepang menggunakan jsut corpus.
• Extra_recipes: Resep sintesis ucapan lanjutan. Meskipun tidak dijelaskan dalam buku ini, sebagai contoh bagaimana perpustakaan ttslearn digunakan, repositori mencakup resep sintesis ucapan menggunakan jsut corpus dan jvs corpus.

Untuk dokumentasi lebih rinci, lihat https://r9y9.github.io/ttslearn/.

lisensi

Kode sumber dilisensikan oleh MIT. Dapat digunakan untuk tujuan komersial dan non-komersial. Untuk informasi lebih lanjut, lihat file lisensi.

Ketentuan Penggunaan untuk Model Terlatih

Halaman rilis dari repositori ini mendistribusikan model terlatih yang dipelajari menggunakan jsut corpus dan jvs corpus. Model-model yang terlatih hanya tersedia untuk "tujuan non-komersial". Saat menggunakan model yang terlatih, silakan periksa juga ketentuan penggunaan untuk setiap korpus.

Selain itu, penulis tidak akan bertanggung jawab atas klaim, kerusakan atau kewajiban lain karena penggunaan model yang dipelajari.

lampiran

Sebagai lampiran, kami telah menyusun spesifikasi untuk label konteks penuh untuk sintesis ucapan Jepang. Untuk informasi lebih lanjut, lihat Docs/Appendix.pdf.

pertanyaan

Jika Anda memiliki pertanyaan tentang konten atau kode sumber buku, silakan hubungi kami melalui masalah GitHub dan kami akan merespons sebanyak mungkin.

Permintaan maaf dan koreksi

Errata untuk buku ini dirangkum di tautan di bawah ini.

Errata buku ini

Jika Anda menemukan kesalahan seperti kesalahan tipografi yang tidak terdaftar di errata, silakan hubungi kami melalui masalah GitHub.

Ucapan Terima Kasih

• Beberapa kode sumber untuk Tacotron 2 dibuat berdasarkan ESPNET. (Terima kasih untuk @kan-bayashi)
• Kami menggunakan Kan-Bayashi/Parallelwavegan untuk sebagian besar implementasi resep canggih.
• Kami menggunakan JTalk terbuka dan pembungkus Python untuk pemrosesan teks untuk sintesis ucapan Jepang.

link

• Amazon: https://www.amazon.co.jp/dp/4295012270/
• Informasi buku yang mengesankan: https://book.impress.co.jp/books/1120101073