KoreanTTS

韓国語

これは、Tacotron2モデルとボコーダーモデル（Griffinlim、Wavenet、Melgan）を組み合わせて韓国のTTを実装するプロジェクトです。

に基づく

• https://github.com/tensorspeech/tensorflowtts

• https://github.com/hccho2/tacotron2-korean-tts

• https://carpedm20.github.io/tacotron/

データセット

1. コーラン単一スピーカースピーチ

   • プロの女性声優（12時間、WAV、44100KHz、12853、3GB）

2. 俳優のユ・インナの声

   • KBS RadioYu Innaの量を増やす（3時間、WAV、16000kHz、3327、480.6MB）
   • テキストAPIへのGoogleスピーチ
   • Kakao Speech API

3. ペットのペットトレーナーKang Hyung -Wook Voice

   • Etri Korean Appraisal API

学習で実施されたオーディオデータは、著作権の問題と共有されていません。各データソースを確認してください。

• KSS：https：//www.kaggle.com/bryanpark/korean-le-speaker-speech-dataset

• KBSラジオ：http：//program.kbs.co.kr/2fm/radio/uvolum/pc/index.html

前処理

1. WAVファイルをnumpyファイルに変換します

2. 「オーディオ」、「メル」、「線形」、「テキスト」など

3. data/kss/＂音声ファイルname.npz作成

4. メルスペクトルグラム、線形スペクトルグラムの正解セット

プロジェクトの進捗

合計4つの学習があります。

1. Tacotron2 + Griffinlim + Singlespeaker

2. Tacotron2 + Griffinlim + Multispeaker（Deep Voice 2）

3. Tacotron2 + Melgan +シングルスピーカー

4. Tacotron2 + Melgan + Multispeaker（転送学習）

結果

1. tacotron2 + griffinlim + multispeaker（kss + yoo inna）KSSデータ

   • alignmnet（50000）

   

2. tacotron2 + griffinlim + multispeaker（kss + yoo in -na）

   • アライメント（90000）

   

3. Tacotron2 + Melgan + Singlespeaker（KSS）

   • アライメント（90000）