TPGST Tacotron

PytorchとのTPGSTの再実装

論文：エンドツーエンドの音声合成におけるテキストから表現型スピーキングスタイルを予測する

前提条件

• Python 3.7
• Pytorch 1.3
• Librosa、Scipy、TQDM、Tensorboardx

データセット

• KSS、韓国の女性単一スピーカースピーチデータセット。

サンプル

• 役職

使用法

1. 上記のデータセットをダウンロードして、config.pyのパスを変更します。次に、以下のコマンドを実行します。

    python prepro.py
   

2. モデルは100k以上のステップをトレーニングする必要があります

    python train.py <gpu_id>
   

3. トレーニング後、テキストからのスピーチを合成できます。

    python synthesize.py <gpu_id> <model_path>
   

4. サンプルを聞くには、MEL2WAVボコーダーが必要になる場合があります。このリポジトリにはボコーダーを含めませんでした。

メモ

• ベースラインタコトロンとTPGSTの違いはKSSデータセットでは小さいと思います。
• 私はすぐにもっと実験をします。