专业实践记录IIII: 端到端跨语言音色迁移语音合成论文 - 三步走
0. 说明
记录的是2021-2-15到2021-3-8之间的工作
主要是跨语言音色迁移的三步走中:
- Pre-trained Ear Speech
- Self-trained Ear Speech
的系统搭建和实验结果
同时也给
- Tacotron 找到/实现了更好的一版 Pytorch 代码
- https://github.com/ruclion/Tuned-GE2E-EarSpeech (跑通了, 并且效果好)
- https://github.com/ruclion/WisdomTeeth-Tacotron (能训练运行, 但是还有错误)
1. Pre-trained Ear Speech
详细过程见:
https://blog.csdn.net/u013625492/article/details/114433229
1.1. 代码
- 来源: RealTime VoiceClone: https://github.com/CorentinJ/Real-Time-Voice-Cloning
- 简化它, 写在 Git 中: https://github.com/ruclion/Pretrained-EarSpeech
1.2. 注意事项
- 下载到 Pretrained-EarSpeech 文件夹
- unzip pretrained.zip
- 直接使用 Pre-trained Model
1.3. 实验结果
- 无口音
- 质量低
2. 参考音频优化
2.1. 思路
- 用 M2VoC 的数据训练
- 可以加上 databaker, thucoss
- 并且可以在 RTVC-7 Voice Cloning Model 的 Tacotron Pretrained Model 上忽略 embedding layer, 进行 Tune
npy-EarSpeech-HCSI-Data -> dereverb_npy -> SSB0005 -> spk-SSB00050001.npy
-> spk-SSB00050002.npy
-> SSB0009 -> ...
-> tst_npy -> MST-Originbeat-S1-female-5000 -> spk-000001.npy
-> TST-Track1-S4-male-Game-100 -> spk-000001.npy
2.2. Base 版逻辑
https://github.com/ruclion/Tuned-EarSpeech
依据是改动代码最少
需要枚举的逻辑有很多, 其中本质上思路有不同的:
- Base 版 的 Speaker Embedding 使用张阳给逸轩的, 加了一个 FC 到 256; 再尝试下 GE2E 的
仅仅是可以加快收敛的:
- Base 版未进行 Guided Attention
- Base 版模型随机初始化, 不使用 warm-up
- 代码中只有 60000 的 train data, 没有 validation 的代码
- Batch 只使用的代码自带的 12, 实际上 16 或者 20 应该没问题
2.3. GE2E 版逻辑
https://github.com/ruclion/Tuned-GE2E-EarSpeech
依据是在 Base 版的基础上, 只改动 Speaker Embedding 为 GE2E 的结果, 其他思路先不加
逻辑从 /ceph/home/hujk17/Tuned-GE2E-EarSpeech/FaPig_extract_GE2E.py 开始, 提取完了所有的 GE2E Embedding
- 256 的 Embedding 仍然后面接了一个 FC, 和 Base 一致, 并且 FC 也不会太影响
- 换代码的时候, 仅仅是指定 speaker 路径不同
- 剩下代码和 Base 完全一致
2.4 Base 版实验结果
- batch_size = 12, 4000 多内存
- 7 个小时左右, 到达 20000 步, 能够初步形成 alignment 图, Tacotron 代码版本正确
- teacherForce 的音频还可以
2.5 GE2E 版实验结果
- batch_size = 12, 4000 多内存
- 2个小时左右, 到达 7000 步, 能够初步形成 alignment 图, 证明 GE2E Speaker Embedding 更集中一些/准确
- teacherForce 的音频还可以
3. 下阶段任务
- 商业化 TTS 的尝试
专业实践记录IIII: 端到端跨语言音色迁移语音合成论文 - 三步走相关推荐
- 钉钉api接口 Java_服务端对接钉钉三步走
服务端对接钉钉三步走 第一步:获取业务对接的appkey和appsecret 登录开发者后台,点击"应用开发"-"企业内部应用"-找到应用并点击应用图标-点击& ...
- 知物由学 | 再造巴别塔,我们如何进行NLP跨语言知识迁移?
知物由学 | 再造巴别塔,我们如何进行NLP跨语言知识迁移? 自以 BERT 为代表的预训练语言模型诞生起,关于其跨语言版本的探索研究就从未停止过.2020 年 4 月,Google 发布了 XTRE ...
- Exchange 服务器 跨森林 邮件迁移案例分享 (三)
既然共存环境已经设置好了,万事具备,我们可以开始迁移邮箱了. 1. 我们需要把 address policy 自动更新地址的功能禁止掉. set-mailbox NHirons -EmailAddre ...
- 两个分布的特征映射_跨语言分布表示学习方法概述
分布表示(distributed representation)与深度神经网络(deep neural network)极大地推动了近几年自然语言处理研究的发展.我们知道,分布表示指的是对于一个客观描 ...
- Linux环境下Arm端源码编译OpenCV+ncnn目标检测模型实例运行调试完整实践记录
今天需要在嵌入式设备端运行C的程序,里面有依赖OpenCV的部分,这就需要编译安装好OpenCV才行,这个对于我来说还是比较陌生的,我很少用C,所以这里面也没少折腾,一路上遇上了很多的报错,这里我将完 ...
- 红鸟沙龙(12)|李泽湘:端到端创业教育与实践探索
所谓大众创业,万众创新,如今越来越多的同学在毕业之后准备投入到创业大军当中,那么我们的大学教育是否为这种趋势做好了准备?我们有没有为这些同学打通一条从象牙塔到创业者的道路?如果我们做的还不够的话,我们 ...
- 某银行大型管理系统端到端持续集成和交付实践
背景 传统的银行IT系统研发流程从需求提出到产品交付往往具有较长的研发周期,纵观银行当下面临的市场环境,个人信贷消费升级,资管需求旺盛,普惠金融成为国家战略,来自银行同业和互联网金融的压力扑面而来,谁 ...
- [敏捷开发实践] 端到端测试你了解多少?
端到端测试你了解多少? 端到端测试是一种软件测试方法,用于从开始到结束测试应用程序流.此测试的目的是模拟真实的用户场景,验证被测系统及其组件的集成和数据完整性. 它自始至终都是在实际场景下执行的,比如 ...
- 【记录】本科毕设:基于树莓派的智能小车设计(使用Tensorflow + Keras 搭建CNN卷积神经网络 使用端到端的学习方法训练CNN)
0 申明 这是本人2020年的本科毕业设计,内容多为毕设论文和答辩内容中挑选.最初的灵感来自于早前看过的一些项目(抱歉时间久远,只记录了这一个,见下),才让我萌生了做个机电(小车动力与驱动)和控制(树 ...
最新文章
- Java的中BIO、NIO、AIO-1
- 【ArcGIS风暴】ArcGIS平台上点云(.las)数据生成等高线方法案例精解
- 使用JFlex生成词法分析器 1:安装配置
- thinkphp mysql 中文_耗时5天解决thinkphp连接mysql中文乱码的问题
- 制作手风琴效果的注意事项(附代码)
- 求求了!让 Python 的热搜消失吧!!
- ubuntu下rar文件解压后文件名乱码
- TOCControl 的HitTest()方法
- GCC vector 叠加示例
- Minidump文件分析
- PhotoShop CS5制作残旧的印章效果
- kasp技术原理_Massarray技术——中高通量大样本的SNP检测利器!
- 微信公众号接口开发--回复消息
- 0x000000C2:BAD_POOL_CALLER 蓝屏修复
- 2021秋季《数据结构》_EOJ 1063.树的双亲存储法(parent+child / parent)
- OFD文件怎么打开?OFD免费转PDF?
- 腾讯企业邮箱OpenApi
- SARscape报错Attempt to call undefined function:等问题
- ipv4如何访问ipv6的地址
- 终端天线—2.IFA天线仿真