浏览
(6023)
点赞
(6)
收藏
17条评论
请
登录后发表观点
W
大神您好， 和您请教一下「sil k a2 #0 ^ er2 #0 」这里的sil k 和#0分别代表什么呢
以及「卡尔普#2陪外孙#1玩滑梯#4 」这里的#2 #4分别代表什么呢？
语音小白，还请赐教
点赞
评论
彭
韵律，可以认为是不同时长的停顿。
点赞
评论
懵
def infer(self, x, x_lengths, sid=None, noise_scale=1, length_scale=1, noise_scale_w=1., max_len=None)
大佬，请问您的推理代码里面的noise_scale, length_scale, noise_scale_w是根据什么设置的哈？？？？
点赞
评论
懵
大佬，请问一下VITS这个地方的代码是不是已经封装好的，debug不了
点赞
评论
倦
这块没去关注，您在逐行研究啊
点赞
评论
懵
我主要是想看看怎么对齐的，这个好像是用的动态规划算法求最优路径。想debug一下，发现好像封装死的。您有了解这个单调对齐搜索算法吗？指导指导哈！大佬
这块没去关注，您在逐行研究啊
点赞
评论
倦
这个我也不会啦
我主要是想看看怎么对齐的，这个好像是用的动态规划算法求最优路径。想debug一下，发现好像封装死的。您有了解这个单调对齐搜索算法吗？指导指导哈！大佬
点赞
评论
查看更多回复...
懵
您好！我想请问一下，您训练的VITS模型迭代了多少epoch就可以生成比较好的合成音？
点赞
评论
倦
这个问题问的专业，500+个epoch，Loss在17左右；其他人一般问训练多久，问题都是错的，哈哈
点赞
评论
懵
好的！谢谢大佬。还有一个问题，改变您训练脚本的batch_size(您的是32，但是我用32会报GPU显存不够)，所以我改的很低(batch_size=8)，这样会不会对训练结果有很大的影响。
这个问题问的专业，500+个epoch，Loss在17左右；其他人一般问训练多久，问题都是错的，哈哈
点赞
评论
倦
影响还是比较大，可以筛选一下句子长度，特别长的句子可以剔除
好的！谢谢大佬。还有一个问题，改变您训练脚本的batch_size(您的是32，但是我用32会报GPU显存不够)，所以我改的很低(batch_size=8)，这样会不会对训练结果有很大的影响。
点赞
评论
懵
您好！请问您有训练英文模型吗？我训练的英文模型合成语音感觉有噪声？
点赞
评论
懵
您好！您在训练的时候有遇到这个情况吗？
点赞
评论
倦
这个应该是torch版本和cuda版本不匹配导致的
点赞
评论
懵
不匹配吗？我用的CUDA Version: 11.0和torch==1.6.0
这个应该是torch版本和cuda版本不匹配导致的
点赞
评论
倦
不匹配，torch1.6算老版本了，推荐cuda10.1；或者安装对应cuda的 torch,然后训练关闭FP16
不匹配吗？我用的CUDA Version: 11.0和torch==1.6.0
点赞
评论
查看更多回复...
A
hallo, 请问大神这个可以再加入个性化音色输出不? 比如使用机器人(赛博朋克)的声音风格输出语音
点赞
评论
倦
那个是音效，使用的是数字信号处理技术实现
点赞 1
评论
懵
./baker_waves/000021.wav|sil ^ ie3 #0 k e2 #0 ^ i3 #0 g ei3 #0 b en2 #0 ^ uei3 #0 ^ van2 #0 f an3 #0 ^ ing4 #0 ^ iou5 #0 sil eos
请问博主‘^’是什么意思？为什么做这个标志？代表后面是零声母吗？
点赞
评论
倦
后面的零代表的是字之间的发音间隔，^是拼音中没有声母的空声母的占位符号
点赞
评论
大佬您不放写一篇文章，介绍您开源的项目。应该不会花费太长时间
点赞
评论
倦
vits是原论文作者的官方开源项目，我其实没做什么，只是原项目是LJSpeech的，我适配了标贝数据集。
点赞
评论
倦
我构思总结一下
点赞
评论
没关系，说不定您写的文章会大受欢迎
vits是原论文作者的官方开源项目，我其实没做什么，只是原项目是LJSpeech的，我适配了标贝数据集。
点赞
评论
倦
为什么星星这么少？因为9月份的时候，这个项目比较敏感，星星多容易出问题，所以把项目私有化了，Fork和星星都清零了。现在VITS已经被大众熟知了，就把他公开给初学者学习吧！
点赞
评论
倦
不想跑代码的可以直接听样例：https://github.com/dtx525942103/vits_chinese/blob/master/vits_样本.wav
点赞
评论
倦
基于VITS 实现 16K baker TTS 的流程记录
apt-get install espeak
pip install -r requirements.txt
pip install pypinyin
cd monotonic_align
python setup.py build_ext --inplace
将16K标贝音频拷贝到./baker_waves/，启动训练
python train.py -c configs/baker_base.json -m baker_base
两张1080卡，训练两天，基本可以使用了
测试
（下载预训练模型，放到logs/baker_base/目录中，修改vits_string.py加载的模型名称）
python vits_strings.py
生成结果在 vits_out文件夹中
点赞
评论
倦
预训练模型：https://github.com/dtx525942103/vits_chinese/issues/3，可以直接使用，方便评估性能
点赞 1
评论
大哥，这个链接没有啊，能否再给各链接，比如网盘之类
点赞
评论
倦
https://mp.weixin.qq.com/s/eoviPIPkmd4cI9nEXdxrhA 论文分享 | VITS: 基于条件变分自编码器和对抗学习的端到端语音合成模型 语音杂谈 2022-01-07 18:00 以下文章来源于智能语音新青年 ，作者ttslr，评价VITS为 “举世无双”
点赞 1
评论
我不太相信，除非大佬您能出一个教程，把我教懂如何搭建您说的框架
点赞
评论
倦
项目里面有中文预训练模型，可以直接使用
我不太相信，除非大佬您能出一个教程，把我教懂如何搭建您说的框架
点赞
评论
牛掰
点赞
评论
大佬您这个可以在meta-speech网站介绍下使用流程吗？
点赞
评论
这个是你开源的么？可以简单介绍一下吗？
点赞
评论
倦
vits是目前音质效果最好的语音合成系统，ESPNet里面也支持了VITS，这个版本是VITS原始版本之上实现的中文TTS，代码比ESPNet简洁很多；vits对语音合成初学者也很友好，避免走许多弯路。
点赞
评论
大佬，可以提供些教程啥的吗？baseline教程，开设TTS代码系列
vits是目前音质效果最好的语音合成系统，ESPNet里面也支持了VITS，这个版本是VITS原始版本之上实现的中文TTS，代码比ESPNet简洁很多；vits对语音合成初学者也很友好，避免走许多弯路。
点赞
评论