Transformer-TTS

• 基于pytorch復(fù)現(xiàn)的論文 Neural Speech Synthesis with Transformer Network
• 這個(gè)模型合成速度比tacotron快3-4倍，合成質(zhì)量也比較高。每步大概需要0.5秒。
• 沒(méi)有使用wavenet聲碼器，使用tacotron的CBHG模型，使用griffin-lim算法將頻譜圖轉(zhuǎn)換為原始波。
• model結(jié)構(gòu)

• [外鏈圖片轉(zhuǎn)存失敗,源站可能有防盜鏈機(jī)制,建議將圖片保存下來(lái)直接上傳(img-tL3EG5JP-1593704300755)(https://i.loli.net/2020/07/01/QB5aAbrcLNtTuFR.png)]

Requirements

• Install python 3
• Install pytorch == 0.4.0
• Install requirements:

falcon==1.2.0 inflect==0.2.5 librosa==0.7.1 scipy==1.0.0 Unidecode==0.4.21 pandas numpy tensorboardX tqdm

Data

• LJspeech

Pretrained Model

總結(jié)

以上是生活随笔為你收集整理的语音合成：transformer tts 论文复现以及dockerfile的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。