Tacotron2语音合成

Tacotron2语音合成

 

 

 

 

Tacotron2是由Google Brain提出来的一个语音合成框架.

模型架构：

机器环境：

在Ubuntu16.04 Ubuntu16.04 GPU GeForce RTX 2080（单个GPU）
TensorFlow1.15 cuda10.0 cudnn7.6.3下完成.

github上有一个Tacotron-2的Tensorflow实现，地址
https://github.com/Rayhane-mamah/Tacotron-2
用上面的开源代码跑Ljspeech数据集,tacotron_train_steps跑了 100000，wavenet_train_steps只跑了130000(默认是500000)，声码器用的WaveNet.

 

 

由于机器内存不够跑了几次出现OOM，后来把hparams.py文件里面的参数max_mel_frames由900改为500，tacotron_batch_size由32改成16，outputs_per_step由1改成3,由于tensorflow版本原因,需要将modules.py文件里面的
self._track_checkpointable(layer,name=‘layer’)改成
self._track_trackable(layer,name=‘layer’)，否则会报错.
跑了好几天才跑完.

执行命令
python synthesize.py --model ='Tacotron-2’合成语音.