Реализация Pytorch (ACM MM'21) Multi-Singer: Fast Multi-Singer Singer Singe Vocoder с крупномасштабным корпусом.
См. Требования в требованиях.txt:
Используйте наш контрольно -пропускной пункт, или
Вы также можете тренировать энкодер самостоятельно здесь и установить enc_model_fpath в config/config.yaml. Пожалуйста, установите Params как в encoder/params_data и encoder/params_model .
Извлеките мель-спектрограмму
python preprocess . py - i data / wavs - o data / feature - c config / config . yaml -i ваша аудио -папка
-o выходная папка акустической функции
-c файл конфигурации
Обучение кондиционирована на мель-спектрограмме
python train . py - i data / feature - o checkpoints / - - config config / config . yaml -i акустическая функция папка
-o каталог для сохранения контрольных точек
-c файл конфигурации
python inference . py - i data / feature - o outputs / - c checkpoints / * . pkl - g config / config . yaml -i акустическая функция папка
-o каталог для сохранения сгенерированной речи
-c Файл контрольных точек
-c файл конфигурации
Для пения синтез голоса:
Тренируется на Opensinger
GE2E
Fastspeech 2
Параллельная волна
@inproceedings{huang2021multi,
title={Multi-Singer: Fast Multi-Singer Singing Voice Vocoder With A Large-Scale Corpus},
author={Huang, Rongjie and Chen, Feiyang and Ren, Yi and Liu, Jinglin and Cui, Chenye and Zhao, Zhou},
booktitle={Proceedings of the 29th ACM International Conference on Multimedia},
pages={3945--3954},
year={2021}
}
Не стесняйтесь связываться со мной по адресу [email protected]