Transformer-TTS

• 基于pytorch復現的論文 Neural Speech Synthesis with Transformer Network
• 這個模型合成速度比tacotron快3-4倍，合成質量也比較高。每步大概需要0.5秒。
• 沒有使用wavenet聲碼器，使用tacotron的CBHG模型，使用griffin-lim算法將頻譜圖轉換為原始波。
• model結構

• [外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(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

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的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。