业界 | Facebook开源TTS神经网络VoiceLoop：基于室外声音的语音合成（附PyTor...

正文

请到「今天看啥」查看全文

说明：X 轴是输出时间（声学样本），Y 轴是输入（文本／音素）。左图是说话者 10，右图是说话者 14

最后，该系统还支持自由文本：

python generate.py  --text "hello world" --spkr 1 --checkpoint models/vctk/bestmodel.pth

安装

需求：Linux/OSX、Python2.7 和 PyTorch 0.1.12。代码当前版本需要 CUDA 支持训练。生成将在 CPU 上完成。

git clone https://github.com/facebookresearch/loop.git
cd loop
pip install -r scripts/requirements.txt

数据

论文中用于训练模型的数据可以通过以下方式下载：

bash scripts/download_data.sh

脚本下载 VCTK 的子集，并进行预处理。该子集包括美国口音的说话者。使用 Merlin 对该数据集进行预处理——使用 WORLD 声码器从每个音频剪辑文件中抽取声码器特征。下载完成后，该数据集将位于子文件夹 data 下，如下所示：

loop
├── data
    └── vctk
        ├── norm_info
        │   ├── norm.dat
        ├── numpy_feautres
        │   ├── p294_001.npz
        │   ├── p294_002.npz

请到「今天看啥」查看全文