MultiSpeech

多音声

これはマルチスピーチのPytorch実装です：トランスを使用したマルチスピーカーテキストからスピーチへ

データをトレーニングします

データでモデルをトレーニングするために、以下の手順に従ってください

1。データ前処理

• データを準備し、ヘッダーなしで以下のようにデータがPSV形式でフォーマットされていることを確認してください

 speaker_id,audio_path,text,duration
0|file/to/file.wav|the text in that file|3.2 

スピーカーIDは整数である必要があり、0から始まります

• この状態を満たすために適切な変換を行わない場合は、オーディオがモノであることを確認してください

2。開発環境のセットアップ

• 環境を作成します

python -m venv env

• 環境をアクティブにします

 source env/bin/activate

• 必要な依存関係をインストールします

pip install -r requirements.txt

3。トレーニング

• 必要に応じて構成ファイルを更新します
• モデルをトレーニングします

  python train.py --train_path train_data.txt --test_path test_data.txt --checkpoint_dir outdir --epoch 100 --batch_size 64