Tacotron pytorch

TACOTRON-PYTORCH

Tacotron的Pytorch實現：完全端到端的文本到語音合成模型。

要求

• 安裝Python 3
• 安裝pytorch == 0.2.0
• 安裝要求：

   pip install -r requirements.txt
  

數據

我使用了由文本腳本和WAV文件對組成的LJSpeech數據集。可以在此處下載完整的數據集（13,100對）。我推薦了https://github.com/keithito/tacotron以進行預處理代碼。

文件說明

• hyperparams.py包含所有需要的超級參數。
• data.py將培訓數據和預處理文本加載到索引和WAV文件以進行頻譜圖。文本的預處理代碼在文本/目錄中。
• module.py包含所有方法，包括CBHG，Highway，Prenet等。
• network.py包含網絡，包括編碼器，解碼器和後處理網絡。
• train.py用於培訓。
• synthesis.py用於生成TTS樣品。

培訓網絡

• 步驟1。在所需的任何目錄中下載並提取LJSpeech數據。
• 步驟2。在hyperparams.py中調整超參數，尤其是“ data_path”，這是您提取文件的目錄，以及如有必要的目錄。
• 步驟3。運行train.py 。

生成TTS WAV文件

• 步驟1。運行synthesis.py 。確保還原步驟。

樣品

• 您可以在“樣本/”目錄中檢查生成的樣品。訓練步驟只有60k，因此表現還不出色。

參考

• Keith Ito：https：//github.com/keithito/tacotron

評論

• 總是歡迎對代碼的任何評論。