KoreanTTS

韓國人

這是一個結合了Tacotron2模型和Vocoder模型（Griffinlim，Wavenet，Melgan）來實施韓國TTS的項目。

基於

• https://github.com/tensorspeech/tensorflowtts

• https://github.com/hccho2/tacotron2-korean-tts

• https://carpedm20.github.io/tacotron/

數據集

1. 《古蘭經單揚聲器》演講

   • 專業的女配音演員（12小時，WAV，44100KHz，12853，3GB）

2. 演員Yoo Inna的聲音

   • 增加KBS無線電YU INNA的體積（3小時，WAV，16000KHz，3327，480.6MB）
   • Google對文字API的演講
   • Kakao演講API

3. 寵物寵物教練康亨-Wook聲音

   • ETRI韓國評估API

對學習進行的音頻數據沒有與版權問題共享。請檢查每個數據源。

• KSS：https：//www.kaggle.com/bryanpark/korean-le-speaker-spech-dataset

• KBS廣播：http：//program.kbs.co.kr/2fm/radio/uvolum/pc/index.html

預處理

1. 將WAV文件轉換為numpy文件

2. “音頻”，“梅爾”，“線性”，“文本”，等。

3. data/kss/＂語音文件名.npz創建

4. MEL光譜圖，線性光譜圖正確答案集

項目進度

共有四個學習。

1. TACOTRON2 + Griffinlim +單身揚聲器

2. tacotron2 + griffinlim + MultiSpeaker（Deep Voice 2）

3. tacotron2 +梅爾根 +單揚聲器

4. TACOTRON2 + Melgan + MultiSpeaker（轉移學習）

結果

1. TACOTRON2 + Griffinlim + MultiSpeaker（KSS + Yoo Inna）KSS數據

   • Alignmnet（50000）

   

2. TACOTRON2 + GRIFFINLIM + MULTISPEAKER（-na中的KSS + YOO）

   • 對齊（90000）

   

3. TACOTRON2 + Melgan +單身座談會（KSS）

   • 對齊（90000）