tacotron2 tts GUI

GUI正在进行的工作（2020年8月4日更新）

GUI包装器合成。允许仅通过可切换开关综合CPU合成。便携式EXE文件可用（仅在CPU上运行）。

还播放来自流元素的TTS捐赠警报。

主UI	流元素集成

概述

具有用户友好的GUI的基于机器学习的文本。目标受众包括抽水机或内容创建者寻找开源TTS程序。该软件的目的是使Portable EXE中的TTS综合离线（无编码体验，GPU/COLAB）。

特征

• 自动读取流元素的捐赠
• NVIDIA /TACOTRON2和 /WAVEGLOW的PYQT5包装器

下载链接

可以在发布页面或直接在此处找到便携式可执行文件。从下面下载预验证的Tacotron 2和Wavellow模型。

警告：便携式可执行文件在CPU上运行，与在GPU上运行相比，它导致> 10倍速度降低。

从来源建造

要求

• Python> = 3.7
• 天秤座
• numpy
• pyqt5 == 5.15.0
• 请求
• TQDM
• matplotlib
• Scipy
• num2words
• pygame

Pytorch 1.0

运行

 python gui.py

执照

• NVIDIA/TACOTRON2和WAVEGLOW：BSD-3-CLAUSE许可证

笔记

• NVIDIA/TACOTRON2的TTS代码
• https://github.com/corentinj/realtim-voice-cloning from https://github.com/corentinj https：/realstreamer的forsen tts https://www.youtube.com/watch?v=kl2tglbbccdco？

原始仓库：

TACOTRON 2（无象文化）

通过在MEL频谱图预测上调节Waveet，对天然TT合成的Pytorch实现。

该实现包括分布式和自动混合精度支持，并使用LJSpeech数据集。

分布式和自动混合精度支持取决于NVIDIA的顶点和AMP。

使用我们已发表的Tacotron 2和Wavellow模型访问我们的网站以获取音频样本。

先决条件

1. nvidia gpu + cuda cudnn

设置

1. 下载并提取LJ语音数据集
2. 克隆此仓库： git clone https://github.com/NVIDIA/tacotron2.git
3. CD进入此存储库： cd tacotron2
4. 初始化subsodule： git submodule init; git submodule update
5. 更新.wav路径： sed -i -- 's,DUMMY,ljs_dataset_folder/wavs,g' filelists/*.txt
   • 另外，设置load_mel_from_disk=True in hparams.py和更新mel-spectragram路径
6. 安装Pytorch 1.0
7. 安装顶点
8. 安装Python要求或构建Docker Image
   • 安装Python要求： pip install -r requirements.txt

训练

1. python train.py --output_directory=outdir --log_directory=logdir
2. （可选） tensorboard --logdir=outdir/logdir

使用预训练的模型培训

使用预训练的模型训练可能会导致默认情况下更快地收敛，数据集依赖的文本嵌入层被忽略

1. 下载我们已发布的Tacotron 2模型
2. python train.py --output_directory=outdir --log_directory=logdir -c tacotron2_statedict.pt --warm_start

多GPU（分布式）和自动混合精度训练

1. python -m multiproc train.py --output_directory=outdir --log_directory=logdir --hparams=distributed_run=True,fp16_run=True

推理演示

1. 下载我们已发布的Tacotron 2模型
2. 下载我们已发表的Wavellow模型
3. jupyter notebook --ip=127.0.0.1 --port=31337
4. 加载推理。IPYNB

NB执行MEL光谱图与音频合成时，请确保对Tacotron 2和MEL解释器进行相同的MEL光谱图表示。

相关存储库

波格综合的速度比实时流量的生成网络快速综合语音综合

NV-Wavenet的速度比实时磁带快。

致谢

该实现使用以下存储库中的代码：Keith Ito，Prem Seetharaman，如我们的代码中所述。

我们的灵感来自Yamamoto Ryuchi的Tacotron Pytorch实施。

我们感谢Tacotron 2纸作者，特别是Jonathan Shen，Yuxuan Wang和Zongheng Yang。