TACOTRON2_WAVERNN_PHONE_LJSPEECH¶

torchaudio.pipelines.TACOTRON2_WAVERNN_PHONE_LJSPEECH¶

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

文本处理器根据音素对输入文本进行编码。它使用 DeepPhonemizer 将字符转换为音素。该模型 (en_us_cmudict_forward) 在 CMUDict 上进行了训练。

您可以在此处找到 Tacotron2 的训练脚本此处。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 的训练脚本此处。

示例 - “Hello world! T T S 代表文本转语音！”

示例 - “专家的审查和证词使委员会得出结论，可能已经发射了五枪，”

文档