首页
/ PortaSpeech 项目使用教程

PortaSpeech 项目使用教程

2024-09-26 08:48:15作者:苗圣禹Peter

1. 项目目录结构及介绍

PortaSpeech/
├── audio/
├── config/
│   └── LJSpeech/
├── deepspeaker/
├── demo/
│   └── LJSpeech/
├── hifigan/
├── img/
├── lexicon/
├── model/
├── preprocessed_data/
│   └── LJSpeech/
├── preprocessor/
├── text/
├── utils/
├── .gitignore
├── CITATION.cff
├── Dockerfile
├── LICENSE
├── README.md
├── dataset.py
├── evaluate.py
├── prepare_align.py
├── preprocess.py
├── requirements.txt
├── synthesize.py
└── train.py

目录结构介绍

  • audio/: 存放音频文件的目录。
  • config/: 存放配置文件的目录,例如 LJSpeech 数据集的配置文件。
  • deepspeaker/: 与 DeepSpeaker 相关的文件。
  • demo/: 存放演示音频样本的目录。
  • hifigan/: 与 HiFi-GAN 相关的文件。
  • img/: 存放图片文件的目录。
  • lexicon/: 存放词典文件的目录。
  • model/: 存放模型定义和实现的文件。
  • preprocessed_data/: 存放预处理数据的目录,例如 LJSpeech 数据集的预处理数据。
  • preprocessor/: 存放数据预处理相关的文件。
  • text/: 存放文本处理相关的文件。
  • utils/: 存放工具函数和辅助功能的文件。
  • .gitignore: Git 忽略文件。
  • CITATION.cff: 引用信息文件。
  • Dockerfile: Docker 配置文件。
  • LICENSE: 项目许可证文件。
  • README.md: 项目说明文件。
  • dataset.py: 数据集处理脚本。
  • evaluate.py: 模型评估脚本。
  • prepare_align.py: 对齐准备脚本。
  • preprocess.py: 数据预处理脚本。
  • requirements.txt: 项目依赖文件。
  • synthesize.py: 语音合成脚本。
  • train.py: 模型训练脚本。

2. 项目启动文件介绍

synthesize.py

synthesize.py 是用于生成语音的主要脚本。它支持单个文本的合成和批量文本的合成。

使用示例

  • 单个文本合成:

    python3 synthesize.py --text "YOUR_DESIRED_TEXT" --restore_step RESTORE_STEP --mode single --dataset DATASET
    
  • 批量文本合成:

    python3 synthesize.py --source preprocessed_data/DATASET/val.txt --restore_step RESTORE_STEP --mode batch --dataset DATASET
    

train.py

train.py 是用于训练模型的主要脚本。它支持单节点多 GPU 训练,并提供了一些有用的选项。

使用示例

python3 train.py --dataset DATASET

3. 项目的配置文件介绍

config/LJSpeech/config.yaml

config.yaml 是项目的主要配置文件,包含了模型训练和合成的各种参数设置。

配置文件内容示例

# 数据集配置
dataset: LJSpeech

# 模型配置
model:
  type: PortaSpeech
  params:
    hidden_size: 256
    num_layers: 4

# 训练配置
training:
  batch_size: 32
  learning_rate: 0.001
  epochs: 100

# 其他配置
other:
  use_amp: true

requirements.txt

requirements.txt 列出了项目运行所需的所有 Python 依赖包。

安装依赖

pip3 install -r requirements.txt

通过以上步骤,您可以顺利地启动和配置 PortaSpeech 项目,并开始进行语音合成和模型训练。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
144
1.92 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
930
553
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8