KoreanTTS

韩国人

这是一个结合了Tacotron2模型和Vocoder模型（Griffinlim，Wavenet，Melgan）来实施韩国TTS的项目。

基于

• https://github.com/tensorspeech/tensorflowtts

• https://github.com/hccho2/tacotron2-korean-tts

• https://carpedm20.github.io/tacotron/

数据集

1. 《古兰经单扬声器》演讲

   • 专业的女配音演员（12小时，WAV，44100KHz，12853，3GB）

2. 演员Yoo Inna的声音

   • 增加KBS无线电YU INNA的体积（3小时，WAV，16000KHz，3327，480.6MB）
   • Google对文字API的演讲
   • Kakao演讲API

3. 宠物宠物教练康亨-Wook声音

   • ETRI韩国评估API

对学习进行的音频数据没有与版权问题共享。请检查每个数据源。

• KSS：https：//www.kaggle.com/bryanpark/korean-le-speaker-spech-dataset

• KBS广播：http：//program.kbs.co.kr/2fm/radio/uvolum/pc/index.html

预处理

1. 将WAV文件转换为numpy文件

2. “音频”，“梅尔”，“线性”，“文本”，等。

3. data/kss/＂语音文件名.npz创建

4. MEL光谱图，线性光谱图正确答案集

项目进度

共有四个学习。

1. TACOTRON2 + Griffinlim +单身扬声器

2. tacotron2 + griffinlim + MultiSpeaker（Deep Voice 2）

3. tacotron2 +梅尔根 +单扬声器

4. TACOTRON2 + Melgan + MultiSpeaker（转移学习）

结果

1. TACOTRON2 + Griffinlim + MultiSpeaker（KSS + Yoo Inna）KSS数据

   • Alignmnet（50000）

   

2. TACOTRON2 + GRIFFINLIM + MULTISPEAKER（-na中的KSS + YOO）

   • 对齐（90000）

   

3. TACOTRON2 + Melgan +单身座谈会（KSS）

   • 对齐（90000）