melgan multi

การใช้งาน Melgan Multi GPU

การใช้ Pytorch ของ Melgan: เครือข่ายที่เป็นปฏิปักษ์ต่อการสังเคราะห์รูปคลื่นแบบมีเงื่อนไข

การใช้งานนี้รวมถึงการสนับสนุน แบบกระจาย และใช้ชุดข้อมูล LJSpeech

สิ่งที่ต้องมีก่อน

1. nvidia gpu + cuda cudnn
2. Python> = 3.5
3. pytorch == 1.2
4. โคลนที่เก็บนี้
5. ติดตั้งข้อกำหนดของ Python โปรดดูข้อกำหนด. txt

ชุดข้อมูล

1. ดาวน์โหลดและแยกชุดข้อมูลคำพูด LJ
2. ย้ายไฟล์ WAV ทั้งหมดไปยัง data/LJSpeech-1.1/wavs

การฝึกอบรม

1. python train.py --config=config.json --cps=cp_melgan

ไดเรกทอรีจุดตรวจสอบเริ่มต้นคือ cp_melgan

บันทึก Tensorboard จะถูกบันทึกใน cp_melgan/logs

การฝึกอบรมหลาย GPU (กระจาย)

1. python distributed.py --config=config.json --args_str="--cps=cp_melgan"

รหัสการฝึกอบรมตรวจจับ GPU ทั้งหมดและตั้งค่าโดยอัตโนมัติ

ตัวอย่างเสียงที่สร้างขึ้น

1. ตัวอย่างปัจจุบัน (ขั้นตอน 489K)

   ตัวอย่าง

2. สามารถได้ยินเสียงตัวอย่างบนกระดานเทนซอร์บอร์ดด้วย

3. Spectrograme ที่สร้างขึ้นสามารถเห็นได้บน Tensorboard

รูปแบบที่ผ่านการฝึกอบรมมาก่อน

เร็วๆ นี้..

การอนุมาน

ฉันจะส่งรหัสอนุมานเต็มรูปแบบเร็ว ๆ นี้

กิตติกรรมประกาศ

• Distributed.py จาก Waveglow ของ Nvidia

ฉันอ้างถึง Waveglow เพื่อใช้การประมวลผลเสียงล่วงหน้า