FastSpeech

fastspeech-pytorch

基於Pytorch的FastSpeech實現。

更新（2020/07/20）

1. 優化培訓過程。
2. 優化長度調節器的實現。
3. 使用與FastSpeech2相同的超級參數。
4. 1、2和3的度量使訓練過程的速度比以前快3倍。
5. 更好的語音質量。

模型

我的博客

• 快速讀取筆記
• 詳細信息和重新思考此實施

準備數據集

1. 下載並提取LJSpeech數據集。
2. 將LJSpeech數據集放入data中。
3. 解alignments.zip 。
4. 將NVIDIA預處理的浪潮模型放在waveglow/pretrained_model中，並將其重命名為waveglow_256channels.pt ;
5. 運行python3 preprocess.py 。

訓練

運行python3 train.py 。

評估

運行python3 eval.py

筆記

• 在FastSpeech的論文中，作者使用預訓練的變壓器TTS模型來提供對齊的目標。我沒有訓練有素的變壓器TTS模型，所以我改用Tacotron2。
• 我使用與FastSpeech2相同的超參數。
• 音頻的示例在sample中。
• 預驗證的模型。

參考

存儲庫

• 基於TensorFlow的TACOTRON的實現
• 基於Pytorch的變壓器的實現
• 基於Pytorch的變壓器-TT的實現
• 基於Pytorch的Tacotron2的實現
• 基於Pytorch的FastSpeech2的實現

紙

• tacotron2
• 變壓器
• fastspeech
• FastSpeech2