VoiceLoop项目使用与配置教程

1. 项目目录结构及介绍

VoiceLoop项目是一个基于PyTorch的开源项目，用于生成跨多个说话人的语音。项目的目录结构如下：

loop/
├── data/                    # 存放训练数据和预处理后的数据
│   └── vctk/
│       ├── norm_info/
│       ├── numpy_features/
│       └── numpy_features_valid/
├── models/                  # 存放预训练模型文件
│   ├── blizzard/
│   └── vctk/
│       ├── args.pth
│       └── bestmodel.pth
├── scripts/                 # 存放脚本文件，如数据下载和预处理脚本
├── SPTK-3.9/                # SPTK工具包
├── WORLD/                   # WORLD声码器
├── tools/                   # 存放其他工具
├── train.py                 # 训练模型的主脚本
├── generate.py              # 生成语音的主脚本
├── data.py                  # 数据处理相关代码
├── model.py                 # 模型定义相关代码
├── utils.py                 # 工具函数代码
└── README.md                # 项目说明文件

2. 项目的启动文件介绍

项目的启动主要涉及两个脚本文件：train.py 和 generate.py。

• train.py：用于训练模型的Python脚本。根据命令行参数配置训练过程，包括数据集路径、序列长度、噪声等级、学习率等。

• generate.py：用于生成语音的Python脚本。根据命令行参数指定数据文件、说话人ID和预训练模型文件，生成对应的语音文件。

3. 项目的配置文件介绍

本项目使用命令行参数进行配置，没有独立的配置文件。在运行train.py或generate.py时，可以通过以下方式传入配置参数：

• train.py 示例：

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

• generate.py 示例：

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

在运行上述脚本时，可以通过命令行参数调整各项配置，例如指定不同的数据路径、序列长度、噪声等级等。具体的参数说明可以在运行脚本时通过-h或--help选项查看。