SC CNN

SC-CNN：ゼロショットマルチスピーカーテキストからスピーチシステムの効果的なスピーカーコンディショニング方法

StyleSpeechとVitsのおかげで、リンクとリンクに基づいてコードを作成しました

0. VCTKデータセットが使用されます。
1. サンプリングレートは22050Hzに設定されています。
2. これはSC-TransferTTSの実装です

材料

• デモページ
• 紙

前提条件

0. このリポジトリをクローンします。
1. Python要件をインストールします。要件を参照してください。txt
   1. ESPEAKを最初にインストールする必要があるかもしれません： apt-get install espeak
2. データセットをダウンロードします
   1. VCTKデータセットをダウンロードして抽出し、WAVファイルを22050 Hzにダウンサンプリングします。次に、データセットフォルダーへのリンクを変更または作成します： ln -s /path/to/VCTK-Corpus/downsampled_wavs DUMMY3
3. 独自のデータセットを使用する場合は、単調アライメント検索を構築し、プリプロセシングを実行します。

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

トレーニングエクスマープル

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

推論の例

Inference.ipynbを参照してください