Text to Speech Landscape
1.0.0
| 樣品 | 預驗證的模型 | 代碼 | 紙 | 產出質量 |
|---|---|---|---|---|
| 百度的深層聲音樣本（官方） | - - | - - | - - | d |
| 百度的深層聲音3個樣本（官方） | - - | - - | 1710.07654 | b |
| Google Tacotron2樣品（官方） | - - | - - | 1712.05884 | 一個 |
| Google Tacotron +樣式轉移樣本（官方） | - - | - - | 1803.09047 | 一個 |
| NVIDIA的波格洛 | 下載型號 | 代碼 | 1811.00002 | 一個 |
| NVIDIA的TACOTRON2 + WAVEGLOW | 下載型號 | 代碼 | - - | 一個 |
| 格里芬·萊姆（Griffin-Lim） | - - | - - | - - | 一個 |
| DeepMind神經離散表示學習樣本（官方） | - - | - - | 1711.00937 | b |
| R9Y9的Wavenet Vocoder Tacotron2（189K迭代） | （下載Tacotron2型號） - （下載WaveNet型號（1000k迭代）） - （獲取模型） | - - | 1712.05884和1611.09482 | b |
| DHGRS實施神經離散表示學習樣本 | 下載型號 | 代碼 | 1711.00937 | d |
| Mazzzystar的Tacotron-Wavernn樣品（730k迭代） | 獲取模型 | 代碼 | - - | 一個 |
| Syang1993的Tacotron +樣式轉移樣品（200K迭代） | 型號Ernsttmp（232K ITER） | - - | 1803.09047和1803.09017 | c |
| Keithito的Tacotron樣品（414K迭代） | 獲取模型 | - - | - - | d |
| Rayhane的Tacotron2樣品（6K4步驟（無論那是什麼意思）） | - - | - - | - - | d |
| Kyubyong的LJ數據集的TACOTRON（200k迭代） | 下載型號 | - - | - - | d |
| Kyubyong的Tacotron在Nick DataSet上（215K迭代） | - - | - - | - - | d |
| Kyubyong在Web數據集上的TACOTRON（183K迭代） | 下載型號 | - - | - - | d |
| Kyubyong的富有表現力（420k迭代） | - - | 代碼 | 1803.09047 | d |
| Kyubyong在LJ數據集上的DC-TT（800K迭代） | 獲取模型 | - - | - - | d |
| Kyubyong的DC-TT在Nick DataSet上（800K迭代） | - - | - - | - - | d |
| Kyubyong的DC-TTS Kate（800K迭代） | - - | - - | - - | d |
| 安達比的深層conversion依 | - - | - - | - - | d |
| Facebook循環樣品（官方） | 獲取模型 | - - | - - | d |
| Mazzzystar的Randomcnn語音傳輸 | - - | - - | 1712.08363 | d |
如果我錯過了此合併中的輸出樣本/演示，只需添加並發送拉動請求。我將很樂意添加它。謝謝！
如果您想繼續做好工作，請支持我們
