FastSpeech

fastspeech-pytorch

基于Pytorch的FastSpeech实现。

更新（2020/07/20）

1. 优化培训过程。
2. 优化长度调节器的实现。
3. 使用与FastSpeech2相同的超级参数。
4. 1、2和3的度量使训练过程的速度比以前快3倍。
5. 更好的语音质量。

模型

我的博客

• 快速读取笔记
• 详细信息和重新思考此实施

准备数据集

1. 下载并提取LJSpeech数据集。
2. 将LJSpeech数据集放入data中。
3. 解alignments.zip 。
4. 将NVIDIA预处理的浪潮模型放在waveglow/pretrained_model中，并将其重命名为waveglow_256channels.pt ;
5. 运行python3 preprocess.py 。

训练

运行python3 train.py 。

评估

运行python3 eval.py

笔记

• 在FastSpeech的论文中，作者使用预训练的变压器TTS模型来提供对齐的目标。我没有训练有素的变压器TTS模型，所以我改用Tacotron2。
• 我使用与FastSpeech2相同的超参数。
• 音频的示例在sample中。
• 预验证的模型。

参考

存储库

• 基于TensorFlow的TACOTRON的实现
• 基于Pytorch的变压器的实现
• 基于Pytorch的变压器-TT的实现
• 基于Pytorch的Tacotron2的实现
• 基于Pytorch的FastSpeech2的实现

纸

• tacotron2
• 变压器
• fastspeech
• FastSpeech2