VoiceLoop 项目使用教程

1. 项目的目录结构及介绍

VoiceLoop 是一个开源项目，用于根据文本生成语音，能够支持不同说话人的声音。项目目录结构如下：

loop/
├── data/                  # 存放训练数据和预处理的语音特征文件
│   ├── vctk/
│   │   ├── norm_info/
│   │   ├── numpy_features/
│   │   └── numpy_features_valid/
├── models/                # 存放预训练的模型文件
│   ├── blizzard/
│   └── vctk/
├── scripts/               # 存放脚本文件，包括数据下载和预处理脚本
├── tools/                 # 存放必要的工具，如SPTK和WORLD vocoder
├── SPTK-3.9/              # SPTK工具的目录
└── WORLD/                 # WORLD vocoder的目录

2. 项目的启动文件介绍

项目的启动主要依赖于 generate.py 文件。这个文件是生成语音的核心脚本，它使用预训练的模型将文本转换成语音。以下是启动生成脚本的基本命令：

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

这条命令会生成两个样本文件，一个是以 gen_10.wav 结尾的生成的样本，另一个是以 orig.wav 结尾的真实样本。

3. 项目的配置文件介绍

在 VoiceLoop 项目中，配置主要是通过命令行参数来完成的。在训练或生成阶段，可以通过修改命令行参数来调整模型的行为。

例如，以下是一个训练时的命令，其中包含了多个配置参数：

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

在这个命令中：

• --expName 设置实验的名称。
• --data 指定数据存放的路径。
• --noise 设置噪声水平。
• --seq-len 设置输入序列的长度。
• --epochs 设置训练的轮数。

在项目的 scripts 目录中，也有一些脚本文件可以帮助完成数据的下载和预处理，例如 download_data.sh 和 download_models.sh，这些脚本也包含了它们的配置选项。