TACOTRON2_WAVERNN_PHONE_LJSPEECH

torchaudio.pipelines.TACOTRON2_WAVERNN_PHONE_LJSPEECH

基于音素的 TTS pipeline，使用在 LJSpeech [Ito 和 Johnson, 2017] 上训练了 1,500 个 epoch 的 Tacotron2 和在 LJSpeech [Ito 和 Johnson, 2017] 的 8 位深度波形上训练了 10,000 个 epoch 的 WaveRNN 声码器。

文本处理器基于音素编码输入文本。它使用 DeepPhonemizer 将字素转换为音素。该模型 (en_us_cmudict_forward) 在 CMUDict 上训练。

您可以在此处找到 Tacotron2 的训练脚本。使用了以下参数：win_length=1100、 hop_length=275、 n_fft=2048、 mel_fmin=40 和 mel_fmax=11025。

您可以在此处找到 WaveRNN 的训练脚本。

有关用法，请参阅 torchaudio.pipelines.Tacotron2TTSBundle()。

示例 - “Hello world! T T S stands for Text to Speech!”

示例 - “The examination and testimony of the experts enabled the Commission to conclude that five shots may have been fired,”