dctts2

言語深度卷積文字

這是“基於深度卷積網絡的有效訓練的文本到語音系統的實施” https://arxiv.org/abs/1710.08969

該代碼基於以下實現

• https://github.com/keithito/tacotron.git
• https://github.com/joisino/chainer-ettts.git
• https://github.com/kyubyong/tacotron.git

模型火車“ Text2Mel”和“ SSRN”分別通過trainmel.py＆trainmag.py分別下載您需要下載https://keithito.com/lj-speech-dataset/可用的ljspeech數據集

音頻樣本

您可以收聽音頻樣本

可以在此處下載預訓練的模型

準備數據集

首先，您必須準備數據集。如果要使用LJSpeech數據集，則可以使用以下命令。

 $ wget http://data.keithito.com/data/speech/LJSpeech-1.0.tar.bz2
$ tar xvf LJSpeech-1.0.tar.bz2
$ python prepro.py 

培訓Text2Mel網絡

 $ python trainmel.py

在培訓期間，您可以查看輸出（默認情況下每200個小匹配），它將批次中的前兩個示例轉儲到mel0.png＆mel1.png中，還可以通過a0.png＆a1.png查看學習的注意力

梅爾

注意力

培訓SSRN網絡

 $ python trainmag.py

在訓練過程中，您可以通過mag0.png＆mag1.png查看輸出，該輸出將學習的頻譜圖與Groung真相進行了比較。

雜誌

合成

綜合新的寄件使用：

 $ python synth.py --text "sentance to synthesize" --file output.wav

演示Web服務器

您可以通過運行來運行演示Web服務器進行TTS

 $ python server.py

這使用燒瓶框架運行演示