训练数据：
- 存放在data文件夹的LJSpeech1.1
- 将附件中的数据解压到该文件夹中
环境配置
pip install -r requirements.txt模型训练
-
Hifi-Gan训练：
-
cd hifigan bash train.sh
-
-
Univnet训练：
-
cd univnet bash LJS_16.sh
-
音频生成
-
可以选择四种不同的vocoder
-
在FastSpeech2根目录下运行：替换YOUR_DESIRED_TEXT为需要生成的文本
-
#melGan vocoder python3 synthesize.py --text "YOUR_DESIRED_TEXT" --restore_step 900000 --mode single -p config/LJSpeech/preprocess.yaml -m config/LJSpeech/melgan.yaml -t config/LJSpeech/train.yaml #hifi-gan vocoder python3 synthesize.py --text "YOUR_DESIRED_TEXT" --restore_step 900000 --mode single -p config/LJSpeech/preprocess.yaml -m config/LJSpeech/hifigan.yaml -t config/LJSpeech/train.yaml #waveglow vocoder python3 synthesize.py --text "YOUR_DESIRED_TEXT" --restore_step 900000 --mode single -p config/LJSpeech/preprocess.yaml -m config/LJSpeech/waveglow.yaml -t config/LJSpeech/train.yaml #univnet vocoder python3 synthesize.py --text "YOUR_DESIRED_TEXT" --restore_step 900000 --mode single -p config/LJSpeech/preprocess.yaml -m config/LJSpeech/univ.yaml -t config/LJSpeech/train.yaml
-
根目录下有不同vocoder的sh脚本，可运行修改
输出结果：
- output文件夹中，wav文件名和输入的text一样