Tacotron pytorch

TACOTRON-PYTORCH

Tacotron的Pytorch实现：完全端到端的文本到语音合成模型。

要求

• 安装Python 3
• 安装pytorch == 0.2.0
• 安装要求：

   pip install -r requirements.txt
  

数据

我使用了由文本脚本和WAV文件对组成的LJSpeech数据集。可以在此处下载完整的数据集（13,100对）。我推荐了https://github.com/keithito/tacotron以进行预处理代码。

文件说明

• hyperparams.py包含所有需要的超级参数。
• data.py将培训数据和预处理文本加载到索引和WAV文件以进行频谱图。文本的预处理代码在文本/目录中。
• module.py包含所有方法，包括CBHG，Highway，Prenet等。
• network.py包含网络，包括编码器，解码器和后处理网络。
• train.py用于培训。
• synthesis.py用于生成TTS样品。

培训网络

• 步骤1。在所需的任何目录中下载并提取LJSpeech数据。
• 步骤2。在hyperparams.py中调整超参数，尤其是“ data_path”，这是您提取文件的目录，以及如有必要的目录。
• 步骤3。运行train.py 。

生成TTS WAV文件

• 步骤1。运行synthesis.py 。确保还原步骤。

样品

• 您可以在“样本/”目录中检查生成的样品。训练步骤只有60k，因此表现还不出色。

参考

• Keith Ito：https：//github.com/keithito/tacotron

评论

• 总是欢迎对代码的任何评论。