Tacotron pytorch

Tacotron-Pytorch

การใช้งาน Pytorch ของ Tacotron: แบบจำลองการสังเคราะห์แบบข้อความถึงแบบพูดแบบ end-to-end อย่างเต็มที่

ความต้องการ

• ติดตั้ง Python 3
• ติดตั้ง pytorch == 0.2.0
• การติดตั้งข้อกำหนด:

   pip install -r requirements.txt
  

ข้อมูล

ฉันใช้ชุดข้อมูล LJSpeech ซึ่งประกอบด้วยคู่ของสคริปต์ข้อความและไฟล์ WAV สามารถดาวน์โหลดชุดข้อมูลที่สมบูรณ์ (13,100 คู่) ได้ที่นี่ ฉันอ้างถึง https://github.com/keithito/tacotron สำหรับรหัสการประมวลผลล่วงหน้า

คำอธิบายไฟล์

• hyperparams.py รวมพารามิเตอร์ไฮเปอร์ทั้งหมดที่จำเป็น
• data.py โหลดข้อมูลการฝึกอบรมและข้อความประมวลผลล่วงหน้าเพื่อดัชนีและไฟล์ WAV ไปยัง Spectrogram รหัสการประมวลผลล่วงหน้าสำหรับข้อความอยู่ในข้อความ/ ไดเรกทอรี
• module.py มีวิธีการทั้งหมดรวมถึง CBHG, Highway, Prenet และอื่น ๆ
• network.py มีเครือข่ายรวมถึง Encoder, Decoder และเครือข่ายหลังการประมวลผล
• train.py สำหรับการฝึกอบรม
• synthesis.py ใช้สำหรับการสร้างตัวอย่าง TTS

ฝึกอบรมเครือข่าย

• ขั้นตอนที่ 1. ดาวน์โหลดและแยกข้อมูล LJSpeech ที่ไดเรกทอรีใด ๆ ที่คุณต้องการ
• ขั้นตอนที่ 2. ปรับ hyperparameters ใน hyperparams.py โดยเฉพาะ 'data_path' ซึ่งเป็นไดเรกทอรีที่คุณแยกไฟล์และอื่น ๆ หากจำเป็น
• ขั้นตอนที่ 3. Run train.py

สร้างไฟล์ TTS WAV

• ขั้นตอนที่ 1. เรียกใช้ synthesis.py ตรวจสอบให้แน่ใจว่าขั้นตอนการกู้คืน

ตัวอย่าง

• คุณสามารถตรวจสอบตัวอย่างที่สร้างขึ้นในไดเรกทอรี 'ตัวอย่าง/' ขั้นตอนการฝึกอบรมเพียง 60k ดังนั้นการแสดงจึงยังไม่ดี

อ้างอิง

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

ความเห็น

• ความคิดเห็นใด ๆ สำหรับรหัสยินดีต้อนรับเสมอ