AiVoice

Глубокий голос 3

Это внедрение TensorFlow Deep Voice 3: 2000-й дивикер-нейронного текста в речь. На данный момент мы просто сосредотачиваемся на синтезе единого динамика.

Требование

• Tensorflow> = 1,2
• Python> = 3,0

Набор данных

Набор данных речи LJ

Предварительный процесс

Загрузите и расслабляйте набор данных речи LJ. Бегать:

 python prepro.py

Примечание. Убедитесь, что мы расстегнули набор данных в одну и ту же фольров prepro.py .

После этого мы получили бы три новых папки:

 ├── dones          [New]
├── mags           [New]
├── mels           [New]
├── metadata.csv
├── README
└── wavs

Обучение

Данные обучения загружаются из ./LJSpeech-1.0/metadata.csv , ./LJSpeech-1.0/mels , ./LJSpeech-1.0/dones , ./LJSpeech-1.0/mags в качестве дефолта. Если мы хотим изменить путь загрузки, мы могли бы изменить конфигурацию в class Hyperparams .

Чтобы тренировать модель, мы используем эту команду:

 python train.py

Предварительно обученная модель

В настоящее время мы не можем получить хороший результат. Тем не менее, мы все еще предоставляем нашу предварительно обученную модель на случай, если кто-то заинтересован в этом.

Предварительно обученная модель.

Его внимание фигура заключается в следующем:

Все цифры внимания, полученные при обучении, включены в предварительно обученную модель.

Описание файла

• Hyperparams.py: гипер -парамеры
• Prepro.py: создает входные данные и цели, т.е. спектрограмма MEL, величина и доны.
• data_load.py
• utils.py: несколько пользовательских рабочих функций.
• modules.py: строительные блоки для сетей.
• Networks.py: Encoder, Decoder и Converter
• Train.py: поезд
• Synthesize.py: вывод
• test_sents.txt: некоторые тестовые предложения в статье.

Ссылка

Большая часть кода заимствована из Kyubyong/deepvoice3.