- 博客(10)
- 收藏
- 关注
RSS订阅原创 Fine-grained prosody modeling
prosody -intonation,tone,stress,rhythm从声学的角度来看，韵律与音高、音素持续时间、能量和频谱倾斜度有关韵律建模的粒度，这些方法可以分为两类：句子级别的粗粒度[6,7,8]和单词和音素级别的细粒度所提出的系统由ToBI预测模块和基于Tacotron的语音合成模块[2]组成。ToBI预测模块使用预训练语言模型来预测ToBI标签，而Tacotron模型用于韵律建模...
2022-05-10 12:55:50
140
原创 三元组训练跨语种tts
Atriplet由anchor、正样本和负样本组成。 三元组损失是一种成对损失，它最小化锚样本和正样本表示之间的距离，同时最大化锚点和负样本之间的距离。triplet loss encourages the pronunciation of the synthesizedforeign speech to be close to that of the native anchor speaker,while maintaining the speaker identity of its own分俩阶
2022-05-08 03:34:28
987
原创 torch
1.squeeze()和unsqueeze()函数【学习笔记】pytorch中squeeze()和unsqueeze()函数介绍_Jaborie203的博客-CSDN博客_squeeze
2022-03-16 18:14:30
1177
原创 2022备忘录
Setup the model config for fine-tuningembedding的理解nn.Embedding - 知乎# speaker embedding if self.args.use_speaker_embedding and sid is not None: # sid tensor([0], device='cuda:0') g = self.emb_g(sid).unsqueeze(-1) # [
2022-03-16 17:02:06
129
原创 coqui（二）-基于character的文本到序列
Db1的x （16，121）text_to_sequence对每个拼音的字母建模_symbols, _ = make_symbols(**tp)返回两个值，这里只要_symbols不要phone注：参数前面加上* 号 ，意味着参数的个数不止一个带一个星号（*）参数的函数传入的参数存储为一个元组（tuple）→(2,3,4)带两个（*）号则是表示字典（dict）→{a:2, b:3}sequence += _symbols_to_sequence(_clean_
2022-03-16 14:44:46
178
原创 coqui（一）phoneme到sequence
英文g2ptext2phone函数gruut.sentences(text, lang=language, espeak=use_espeak_phonemes)将句子分词，并将每个词划为音素序列转化为用|划分的音素序列字符串phoneme_to_sequence将上述的音素序列字符串，分割，取每个音素的映射索引，加入到sequence列表中取每个phoneme的索引用_phoneme_to_sequence，phome到id的映...
2022-03-14 18:30:24
667
原创 语音资源or工具
在线合并音频在线合并音频 - 合并多个音频文件在线合并音频 - 用一种简单，快速和独特的方式将多个音频文件合并为一个音频文件。https://www.aconvert.com/cn/audio/merge/
2022-02-15 14:26:02
1499
转载 linux
https://jingyan.baidu.com/article/9c69d48f43ed6d13c8024e7b.html删除多行注释
2022-01-27 14:20:34
414
转载 C++＆python
1.C++中int型与string型互相转换int转stringint n = 0;std::stringstream ss;std::string str;ss<<n;ss>>str;string转intstd::string str = "123";int n = atoi(str.c_str());
2022-01-27 13:29:36
75
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人