豆寶的購物車

• 品號：3550280



• 不鏽鋼真空構造，保溫保冷效果佳
• 內附折疊湯匙

 


 python generate.py --npz data/vctk/numpy_features_valid/p318_212.npz --spkr 13 --checkpoint models/vctk/bestmodel.pth


 生成樣本將會以 gen_10.wav 的擴展名保存。

 

 它的真值（測試）樣本也被生成，並使用 orig.wav 擴展名保存。

 

你也可以用不同說話者的語音生成相同的文本，具體如下：

 

 

 


 python generate.py --npz data/vctk/numpy_features_valid/p318_212.npz --spkr 18 --checkpoint models/vctk/bestmodel.pth


 
 

這將會生成以下樣本（https://ytaigman.github.io/loop/demos/vctk_tutorial/p318_212.gen_14.wav）。

 

 

下面是對應的註意力圖：

 

 

 

說明：X 軸是輸出時間（聲學樣本），Y 軸是輸入（文本／音素）。左圖是說話者 10，右圖是說話者 14

 

最後，該系統還支持自由文本：

 

 

 


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


安裝

 

需求：Linux/OSX、Python2.7 和 PyTorch 0.1.12。代碼當前版本需要 CUDA 支持訓練。生成將在 CPU 上完成。

 

 

 




 

腳本下載 VCTK 的子集，並進行預處理。該子集包括美國口音的說話者。使用 Merlin 對該數據集進行預處理——使用 WORLD 聲碼器從每個音頻剪輯文件中抽取聲碼器特征。下載完成後，該數據集將位於子文件夾 data 下，如下所示：

 

 

 



特賣

 

使用 Kyle Kastner 的腳本執行預處理管線，腳本鏈接：https://gist.github.com/kastnerkyle/cc0ac48d34860c5bb3f9112f4d9a0300。

 

預訓練模型

 

通過以下方式下載預訓練模型：

 

 

 




 

最後，語音生成需要 SPTK3.9 和 WORLD 聲碼器，正如 Merlin 中一樣。使用下列方式下載可執行程序：

 

 

 


訓練

 

在 vctk 上訓練一個新模型，首先使用水平為 4 的噪聲訓練模型，輸入長度為 100 的序列：

 

 

 


 python train.py --expName vctk --data data/vctk --noise 4 --seq-len 100 --epochs 90


 python train.py --expName vctk_noise_2 --data data/vctk --checkpoint checkpoints/vctk/bestmodel.pth --noise 2 --seq-len 1000 --epochs 90


  author = {Taigman, Yaniv and Wolf, Lior and Polyak, Adam and Nachmani, Eliya},