tacotron2 mandarin
1.0.0
DeepMind的Tacotron-2的TensorFlow实现。本文描述的深度神经网络架构:通过在MEL SPECTOGRAG预测上调节WaveNet的自然TTS综合
tacotron-2-mandarin-griffin-lim
|--- datasets
|--- logs-Tacotron
|--- eval-dir
|--- plots
|--- taco_pretrained
|--- wavs
|--- papers
|--- prepare
|--- tacotron
|--- models
|--- utils
|--- tacotron_output
|--- eval
|--- logs-eval
|--- plots
|--- wavs
|--- training_data
|--- audio
|--- linear
|--- mels
这里有一些合成样本。
您可以在此处获得预估计的模型。
OS:Ubuntu 16.04
步骤(0) - git克隆存储库
git clone https://github.com/atomicoo/tacotron2-mandarin.git
cd tacotron-2-mandarin-griffin-lim/
步骤(1) - 安装依赖项
安装Python 3(我为我python-3.5.5)
安装TensorFlow(我的TensorFlow-1.10.0)
安装其他依赖关系
pip install -r requirements.txt
步骤(2) - 准备数据集
下载数据集Biaobei或THCHS-30
之后,您的文档树应该是:
tacotron-2-mandarin-griffin-lim
|--- ...
|--- BZNSYP
|--- ProsodyLabeling
|--- 000001-010000.txt
|--- Wave
|--- ...
准备数据集(默认为BIAOBEI )
python prepare_dataset.py
如果准备THCHS-30 ,则可以使用参数--dataset=THCHS-30 。
之后,您可以获得一个文件夹BIAOBEI如下:
tacotron-2-mandarin-griffin-lim
|--- ...
|--- BIAOBEI
|--- biaobei_48000
|--- ...
预处理数据集(默认为BIAOBEI )
python preprocess.py
如果PRRPRRPRROCESS- THCHS-30 ,您可以使用参数--dataset=THCHS-30 。
之后,您可以获得一个文件夹training_data如下:
tacotron-2-mandarin-griffin-lim
|--- ...
|--- training_data
|--- audio
|--- linear
|--- mels
|--- train.txt
|--- ...
步骤(3) - 火车TACOTRON模型
python train.py
更多参数,请参阅train.py。
之后,您可以获得一个文件夹logs-Tacotron如下:
tacotron-2-mandarin-griffin-lim
|--- ...
|--- logs-Tacotron
|--- eval-dir
|--- plots
|--- taco_pretrained
|--- wavs
|--- ...
步骤(4) - 合成音频
python synthesize.py
更多参数,请参阅Synthesize.py。
之后,您可以获取一个文件夹tacotron_output如下:
tacotron-2-mandarin-griffin-lim
|--- ...
|--- tacotron_output
|--- eval
|--- logs-eval
|--- plots
|--- wavs
|--- ...
Rayhane-Mamah/Tacotron-2