PortaSpeech 项目使用教程

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。