TPGST Tacotron

Reimplementação de tpgst com pytorch

Artigo: Prevendo o estilo de falar expressivo do texto na síntese de fala de ponta a ponta

Pré -requisito

• Python 3.7
• Pytorch 1.3
• Librosa, Scipy, TQDM, Tensorboardx

Conjunto de dados

• KSS, conjunto de dados de discurso de fala do falante feminino coreano.

Amostras

• Publicar

Uso

1. Faça o download do conjunto de dados acima e modifique o caminho em config.py. E depois execute o comando abaixo.

    python prepro.py
   

2. O modelo precisa treinar 100k+ etapas

    python train.py <gpu_id>
   

3. Após o treinamento, você pode sintetizar algum discurso do texto.

    python synthesize.py <gpu_id> <model_path>
   

4. Para ouvir suas amostras, você pode precisar de vocoder Mel2wav. Não incluí vocoder neste repositório.

Notas

• Eu acho que a diferença entre o tacotron da linha de base e o TPGST é pequena no conjunto de dados KSS.
• Eu estarei fazendo mais experimentos em breve.