dctts2

言语深度卷积文字

这是“基于深度卷积网络的有效训练的文本到语音系统的实施” https://arxiv.org/abs/1710.08969

该代码基于以下实现

• https://github.com/keithito/tacotron.git
• https://github.com/joisino/chainer-ettts.git
• https://github.com/kyubyong/tacotron.git

模型火车“ Text2Mel”和“ SSRN”分别通过trainmel.py＆trainmag.py分别下载您需要下载https://keithito.com/lj-speech-dataset/可用的ljspeech数据集

音频样本

您可以收听音频样本

可以在此处下载预训练的模型

准备数据集

首先，您必须准备数据集。如果要使用LJSpeech数据集，则可以使用以下命令。

 $ wget http://data.keithito.com/data/speech/LJSpeech-1.0.tar.bz2
$ tar xvf LJSpeech-1.0.tar.bz2
$ python prepro.py 

培训Text2Mel网络

 $ python trainmel.py

在培训期间，您可以查看输出（默认情况下每200个小匹配），它将批次中的前两个示例转储到mel0.png＆mel1.png中，还可以通过a0.png＆a1.png查看学习的注意力

梅尔

注意力

培训SSRN网络

 $ python trainmag.py

在训练过程中，您可以通过mag0.png＆mag1.png查看输出，该输出将学习的频谱图与Groung真相进行了比较。

杂志

合成

综合新的寄件使用：

 $ python synth.py --text "sentance to synthesize" --file output.wav

演示Web服务器

您可以通过运行来运行演示Web服务器进行TTS

 $ python server.py

这使用烧瓶框架运行演示