Conditional SpecGAN Tensorflow

有條件的規格

A（條件）音頻合成生成對抗網絡，生成頻譜圖，該頻譜圖在張力流中實現了原始波形。

要求：

• Tensorflow R1.10.1
• Python 3.6
• Numpy 1.14.5
• 天秤座0.6.2
• TQDM 4.26.0
• matplotlib 2.2.3

介紹

通過使用生成對抗網絡生成頻譜圖，文本到語音綜合。這項工作基於Specgan的原始實施，在該實施情況下，我在這裡探索了條件Specgan培訓。此外，還採用了基於能量的數據預處理方案，從而改善了音頻質量。

預處理結果可以通過以下可視化來證明：

構建數據集

• 下載培訓數據：此處

• 運行'./src/utils/preprocess_data.py'處理數據或下載處理的數據：此處

• 運行'./src/utils/visualize_wav.py'以可視化處理後的清潔數據或下載結果：此處

• 運行'./ src/utils/make_tfrecord.py'以處理.wav文件中的.tfrecord培訓準備就緒文件，或下載已處理的數據：此處

• 在步驟4中提取.tgz文件，然後根據args.data_dir在./src/config.py：Data_dir：

 data_dir='../data/sc09_preprocess_energy'

可以通過更改“ -data_dir選項”中的“ ./src/config.py”來修改此默認路徑。

用法

• 通過以下命令恢復或訓練新的Specgan模型：

 python3 ./src/runner.py train

• 要推斷並從受過訓練的Specgan模型中生成，請使用以下命令：

 python3 ./src/runner.py generate

• 要從有條件的Specgan訓練或生成，請使用以下命令（注意：此功能仍在實現中，尚未完成！ ）：

 python3 ./src/runner.py train --conditional
python3 ./src/runner.py generate --conditional