LightSpeech

Lightspeech

LightSpeech的非官方Pytorch實現：通過神經體系結構搜索進行語音輕巧和快速文本。該回購使用ESPNET的FastSpeech 2實現作為基礎。該倉庫僅實現LightSpeech模型的最終版本，而不是論文中提到的神經體系結構搜索。

But I am able to compress only 3x (from 27 M to 7.99 M trainable parameters) not 15x 。

要求 ：

所有代碼以Python 3.6.2編寫。

• 安裝Pytorch

在安裝Pytorch之前，請通過運行以下命令來檢查您的CUDA版本： nvcc --version

 pip install torch torchvision

在此存儲庫中，我使用了pytorch 1.6.0用於torch.bucketize功能，這在pytorch的先前版本中不存在。

• 安裝其他要求：

 pip install -r requirements.txt

• 使用張量板安裝tensorboard version 1.14.0分別使用受支持的tensorflow (1.14.0)

用於預處理：

filelists文件夾包含MFA（Motreal Force Aligner）處理的LJSpeech數據集文件，因此您無需將文本與LJSpeech數據集的音頻（用於提取持續時間）對齊。對於其他數據集，請在此處遵循指令。對於其他預處理運行以下命令：

 python .nvidia_preprocessing.py -d path_of_wavs -c configs/default.yaml

查找F0和能量的最小和最大

 python .compute_statistics.py

在hparams.py中更新以下內容，按min和最大的f0和能量更新

 p_min = Min F0/pitch
p_max = Max F0
e_min = Min energy
e_max = Max energy

進行培訓

 python train_lightspeech.py --outdir etc -c configs/default.yaml -n "name"

進行推斷

WIP

 python .inference.py -c .configsdefault.yaml -p .checkpointsfirst_1xyz.pyt --out output --text "ModuleList can be indexed like a regular Python list but modules it contains are properly registered."

對於Torchscript導出

 python export_torchscript.py -c configs/default.yaml -n fastspeech_scrip --outdir etc

筆記 ：

• 對於更完整的和端到端語音克隆或文本到語音（TTS）工具箱？請訪問DeepSync Technologies。

參考

• LightSpeech：通過神經體系結構搜索輕巧和快速的文字到語音
• FastSpeech 2：快速和高質量的端到端文本到語音
• FastSpeech：快速，健壯且可控制的文本到語音
• ESPNET
• NVIDIA的Wavellow實現
• 梅爾根
• 榴蓮
• FastSpeech2 TensorFlow實現
• 其他Pytorch FastSpeech 2實現
• Wavernn