quackson / DG_HW

homework for deep generation. Combine FastSpeech2 with different vocoders ⭐REFERENCE (modify origin repos): https://github.com/ming024/FastSpeech2 https://github.com/NVIDIA/waveglow https://github.com/mindslab-ai/univnet https://github.com/jik876/hifi-gan

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