Tacotron pytorch

Tacotron-Pytorch

Uma implementação de tacotron pytorch: um modelo de síntese de texto para fala de ponta a ponta.

Requisitos

• Instale o Python 3
• Instale pytorch == 0.2.0
• Instalar requisitos:

   pip install -r requirements.txt
  

Dados

Usei o conjunto de dados LJSpeech, que consiste em pares de script de texto e arquivos WAV. O conjunto de dados completo (13.100 pares) pode ser baixado aqui. Referi -me https://github.com/keithito/tacotron para o código de pré -processamento.

Descrição do arquivo

• hyperparams.py inclui todos os hiper parâmetros necessários.
• data.py carrega dados de treinamento e texto pré -processado para indexar e os arquivos WAV no Spectrogram. Os códigos de pré -processamento para texto estão no texto/ diretório.
• module.py contém todos os métodos, incluindo CBHG, Highway, PreNet e assim por diante.
• network.py contém redes, incluindo codificador, decodificador e rede de pós-processamento.
• train.py é para treinamento.
• synthesis.py é para gerar amostra TTS.

Treinando a rede

• Etapa 1. Download e extrair dados LJSpeech em qualquer diretório desejar.
• Etapa 2. Ajuste os hiperparâmetros em hyperparams.py , especialmente 'data_path', que é um diretório que você extrai arquivos e os outros, se necessário.
• Etapa 3. Execute train.py

Gerar arquivo WAV TTS

• Etapa 1. Execute synthesis.py . Verifique se a etapa da restauração.

Amostras

• Você pode verificar as amostras geradas no diretório 'amostras/'. A etapa de treinamento foi de apenas 60 mil, então o desempenho ainda não é bom.

Referência

• Keith Ito: https://github.com/keithito/tacotron

Comentários

• Quaisquer comentários para os códigos são sempre bem -vindos.