HIFIGAN_VOCODER_V3_LJSPEECH

torchaudio.prototype.pipelines.HIFIGAN_VOCODER_V3_LJSPEECH

HiFiGAN 声码器 pipeline，在 The LJ Speech Dataset 上训练 [Ito 和 Johnson, 2017]。

此 pipeline 可以与外部组件一起使用，该组件从文本生成梅尔频谱图，例如，Tacotron2 - 请参阅 HiFiGANVocoderBundle 中的示例。虽然这适用于现有的 Tacotron2 bundles，但为了获得最佳结果，需要使用与训练 HiFiGAN 相同的数据预处理 pipeline 重新训练 Tacotron2。特别是，原始 HiFiGAN 实现使用自定义方法从波形生成梅尔频谱图，这与 torchaudio.transforms.MelSpectrogram 不同。我们将此转换重新实现为 HiFiGANVocoderBundle.get_mel_transform()，确保它与原始 HiFiGAN 代码 here 等效。

底层声码器由 torchaudio.prototype.models.hifigan_vocoder() 构建。权重从原始论文 [Kong et al., 2020] 中发布的权重转换而来，遵循 MIT 许可证。请参阅 GitHub 上的预训练模型链接。

有关使用说明，请参阅 HiFiGANVocoderBundle。