MultiSpeech

MultisSeech

Esta é uma implementação de Pytorch do MultisSeech: texto multi-falante para a fala com o transformador

Treine seus dados

Para treinar o modelo em seus dados, siga as etapas abaixo

1. Pré -processamento de dados

• Prepare seus dados e verifique se os dados estão formatados em um formato PSV como abaixo sem o cabeçalho

 speaker_id,audio_path,text,duration
0|file/to/file.wav|the text in that file|3.2 

O ID do alto -falante deve ser inteiro e começa de 0

• Verifique se os áudios são mono se não forem a conversão adequada para atender a esta condição

2. Ambiente de Desenvolvimento de Configuração

• Crie Enviroment

python -m venv env

• Ative o ambiente

 source env/bin/activate

• Instale as dependências necessárias

pip install -r requirements.txt

3. Treinamento

• Atualize o arquivo de configuração, se necessário
• Treine o modelo

  python train.py --train_path train_data.txt --test_path test_data.txt --checkpoint_dir outdir --epoch 100 --batch_size 64