中文语音合成"/>
python实现中文语音合成
TacotronV2 + WaveRNN
开源中文语音数据集标贝(女声)训练中文TacotronV2,实现中文到声学特征(Mel)转换的声学模型。在GTA模式下,利用训练好的TacotronV2合成标贝语音数据集中中文对应的Mel特征,作为声码器WaveRNN的训练数据。在合成阶段,利用TactornV2和WaveRNN合成高质量、高自然度的中文语音。
从THCHS-30任选一个speaker的语音数据集,微调TacotronV2中的部分参数,实现说话人转换。
Tensorflow serving + Flask 部署TacotronV2中文语音合成服务。
由于TacotronV2TacotronV2中采用Location sensitive attention,对长句字的建模能力不好(漏读、重复),尝试了GMM attention、Discrete Graves Attentionissue、Forward attention,能有效地解决对长句的建模能力,加快模型收敛速度。
tensorflow-gpu的版本为1.14.0
测试语音合成的效果(确保相关的库已经安装)
git clone .git
cd tacotronv2_wavernn_chinese
python tacotron_synthesize.py --text '现在是凌晨零点二十七分,帮您订好上午八点的闹钟。'
#合成的wav、attention align等在./tacotron_inference_output下
#由于在inference阶段,模型中的dropout没有关闭,相同的输入text,合
更多推荐
python实现中文语音合成
发布评论