Fastspeech-Pytorch
Pytorch를 기반으로하는 FastSpeech의 구현.
업데이트 (2020/07/20)
- 교육 과정을 최적화하십시오.
- 길이 조절기의 구현을 최적화하십시오.
- FastSpeech2와 동일한 하이퍼 매개 변수를 사용하십시오.
- 1, 2 및 3의 측정 값은 훈련 과정을 이전보다 3 배 빠르게 만듭니다.
- 더 나은 언어 품질.
모델
내 블로그
- FastSpeech 읽기 노트
- 이 구현의 세부 사항 및 재고
데이터 세트를 준비하십시오
- ljspeech 데이터 세트를 다운로드하여 추출하십시오.
- ljspeech 데이터 세트를
data 에 넣으십시오. - zip
alignments.zip . - nvidia pretrained waveglow 모델을
waveglow/pretrained_model 에 넣고 waveglow_256channels.pt 로 이름을 바꿉니다. -
python3 preprocess.py 실행하십시오.
훈련
python3 train.py 실행하십시오.
평가
python3 eval.py 실행하십시오.
메모
- FastSpeech의 논문에서 저자는 사전 훈련 된 변압기 TTS 모델을 사용하여 정렬 목표를 제공합니다. 잘 훈련 된 변압기 TTS 모델이 없었기 때문에 대신 Tacotron2를 사용합니다.
- 나는 FastSpeech2와 동일한 하이퍼 매개 변수를 사용합니다.
- 오디오의 예는
sample 에 있습니다. - 사방 모델.
참조
저장소
- 텐서 플로에 기초한 타코 트론의 구현
- Pytorch를 기반으로 한 변압기 구현
- Pytorch를 기반으로 한 변압기 TT의 구현
- Pytorch에 기초한 Tacotron2의 구현
- Pytorch를 기반으로하는 FastSpeech2의 구현
종이
- 타코 트론 2
- 변신 로봇
- FastSpeech
- FastSpeech2
