Expressive FastSpeech2
1.0.0
Non-autoregressive Expressive TTS : โครงการนี้มีจุดมุ่งหมายเพื่อให้รากฐานที่สำคัญสำหรับการวิจัยในอนาคตและการประยุกต์ใช้ TTs ที่ไม่ได้เป็นแบบไม่ได้รวมถึง Emotional TTS และ Conversational TTS สำหรับชุดข้อมูลชุดข้อมูล AI วิดีโอ AIHUB Multimodal AI และฐานข้อมูล IEMOCAP จะถูกเลือกสำหรับเกาหลีและภาษาอังกฤษตามลำดับ
หมายเหตุ : หากคุณมีความสนใจใน GST-tacotron หรือ vae-tacotron เช่นโมเดล TTS แบบโวหารที่แสดงออก แต่ภายใต้การถอดรหัสที่ไม่ใช่แบบออตอเรติกคุณอาจสนใจ Styler [Demo, Code]
Annotated Data Processing : โครงการนี้ให้ความกระจ่างเกี่ยวกับวิธีการจัดการชุดข้อมูลใหม่แม้จะมีภาษาที่แตกต่างกันสำหรับการฝึกอบรม TTS ทางอารมณ์ที่ไม่เป็นอิสระ
English and Korean TTS : นอกเหนือจากภาษาอังกฤษโครงการนี้ยังให้มุมมองที่กว้างขวางเกี่ยวกับการรักษาเกาหลีสำหรับ TTS ที่ไม่ใช่ผู้เรียนที่ต้องพิจารณาการประมวลผลข้อมูลเพิ่มเติมภายใต้คุณสมบัติเฉพาะภาษา (เช่นการฝึกอบรมการบังคับใช้ภาษามอนทรีออลด้วยภาษาและชุดข้อมูลของคุณเอง) โปรดดู text/
Adopting Own Language : สำหรับผู้ที่มีความสนใจในการปรับภาษาอื่น ๆ โปรดดูที่ส่วน "การฝึกอบรมด้วยชุดข้อมูลของคุณเอง (ภาษาเอง)" ของสาขาหมวดหมู่
ในโครงการนี้ FastSpeech2 ได้รับการดัดแปลงเป็นเฟรมเวิร์ก TTS หลายลำโพงที่ไม่ได้เป็นฐานแบบอัตโนมัติดังนั้นจึงเป็นประโยชน์ในการอ่านกระดาษและรหัสก่อน (ดูสาขา FastSpeech2)
Emotional TTS : การติดตามสาขามีการใช้งานของกระบวนทัศน์พื้นฐานที่ถูกสังเคราะห์โดยการสังเคราะห์การพูดของระบบประสาทแบบ end-to-end ทางอารมณ์
Conversational TTS : สาขาต่อไปนี้มีการใช้งาน TTS แบบ end-to-end การสนทนาสำหรับตัวแทนเสียง
หากคุณต้องการใช้หรืออ้างถึงการใช้งานนี้โปรดอ้างอิง repo
@misc{lee2021expressive_fastspeech2,
author = {Lee, Keon},
title = {Expressive-FastSpeech2},
year = {2021},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = { u rl{https://github.com/keonlee9420/Expressive-FastSpeech2}}
}
