SC CNN

SC-CNN: วิธีการปรับอากาศลำโพงที่มีประสิทธิภาพสำหรับระบบข้อความหลายลำโพงแบบพูดเป็นศูนย์

ขอบคุณ StylesPeech และ Vits เราสร้างรหัสของเราตามลิงค์และลิงค์

0. ใช้ชุดข้อมูล VCTK
1. อัตราการสุ่มตัวอย่างถูกตั้งค่าเป็น 22050Hz
2. นี่คือการใช้งาน SC-TransferTTS

วัสดุ

• หน้าสาธิต
• กระดาษ

ข้อกำหนดเบื้องต้น

0. โคลนที่เก็บนี้
1. ติดตั้งข้อกำหนดของ Python โปรดดูข้อกำหนด. txt
   1. คุณอาจต้องติดตั้ง espeak ก่อน: apt-get install espeak
2. ดาวน์โหลดชุดข้อมูล
   1. ดาวน์โหลดและแยกชุดข้อมูล VCTK และไฟล์ Downsample WAV เป็น 22050 Hz จากนั้นเปลี่ยนชื่อหรือสร้างลิงก์ไปยังโฟลเดอร์ชุดข้อมูล: ln -s /path/to/VCTK-Corpus/downsampled_wavs DUMMY3
3. สร้างการค้นหาการจัดตำแหน่งแบบ monotonic และเรียกใช้การประมวลผลล่วงหน้าหากคุณใช้ชุดข้อมูลของคุณเอง

 # Cython-version Monotonoic Alignment Search
cd monotonic_align
python setup.py build_ext --inplace

การฝึกอบรม Exmaple

python train.py -c configs/vctk_base.json -m vctk_base

ตัวอย่างการอนุมาน

ดู inference.ipynb