Tacotron2+Tensorflow1.1+FALSK 语音合成

已于 2022-06-09 17:04:07 修改
阅读量1k 收藏 6
点赞数 1
分类专栏： 深度学习 文章标签： 机器学习
于 2021-01-26 17:46:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/mtl1994/article/details/113185764
版权
这篇博客介绍了如何利用Tacotron2、Tensorflow1.1和FALSK进行语音合成。从安装miniconda、配置环境到下载和预处理数据源，包括标贝数据和Aishell数据。接着详细阐述了 Tacotron2模型的训练和合成步骤，以及在没有WaveNet模型时如何使用Griffin-Lim生成语音。最后，展示了如何通过Flask加载模型并以接口形式调用合成。
摘要由CSDN通过智能技术生成

Tacotron2+Tensorflow1.1+FALSK 语音合成

背景

​ 需要语音播报设备的名称和异常状态

环境

  1. Tacotron2
  2. Tensorflow1.1
  3. python3.6
  4. miniconda4.8.3
  5. 标贝数据源

安装与配置

首先安装miniconda

1.下载，使用清华下载源，进入miniconda下载页面

​ https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

​ https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

wget https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-py37_4.8.3-Linux-x86_64.sh

2.安装

bash Miniconda3-py37_4.8.3-Linux-x86_64.sh

3.In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue

​ 回车–》q #退出阅读

4.Do you accept the license terms? [yes|no]

​ yes

5.

了解本专栏 订阅专栏 解锁全文 超级会员免费看
matianlongg
关注
  • 1
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
TensorflowTTS：Tensorflow 2的实时最新语音合成-Python开发
05-25
:zany_face:TensorflowTTS基于TensorFlow 2提供实时的最新语音合成架构，例如Tacotron-2，Melgan，Multiband-Melgan，FastSpeech，FastSpeech2。借助Tensorflow 2，我们可以加快训练/推理速度，优化程序通过使用伪量化感知和修剪进一步使TTS模型可以比实时运行得更快，并且能够部署在移动设备或嵌入式系统上。 Ten TensorflowTTS用于Tensorflow 2的实时最新语音合成:zany_face:TensorflowTTS提供实时的最新语音合成架构，例如Tacotron-2，Melgan，Multiband-Melgan，FastSpeech，基于FastSpeech2的-在TensorFlow 2上使用Tensorflow 2，我们可以加快训练/推理速度，通过使用伪量化感知和修剪功能进一步优化程序，使TTS模型可以比实时运行得更快，并且可以部署在移动设备或嵌入式设备上s
python 语音合成库_TensorflowTTS: Tensorflow 2实现的最先进实时语音合成
weixin_39559895的博客
12-09 737
???? TensorflowTTS Real-Time State-of-the-art Speech Synthesis for Tensorflow 2???? TensorflowTTS provides real-time state-of-the-art speech synthesis architectures such as Tacotron-2, Melgan, Multiband-M...
Tacotron-2 Mandarin：深度学习驱动的自然中文语音合成神器
gitblog_00064的博客
06-20 330
Tacotron-2 Mandarin：深度学习驱动的自然中文语音合成神器 tacotron2-mandarinTensorflow implementation of Chinese/Mandarin TTS (Text-to-Speech) based on Tacotron-2 model.项目地址:https://gitcode.com/gh_mirrors/ta/tacotron2-...
python实现中文语音合成_tacotronV2 + wavernn 实现中文语音合成(Tensorflow + pytorch)
weixin_40001275的博客
12-05 1419
TacotronV2 + WaveRNN开源中文语音数据集标贝(女声)训练中文TacotronV2，实现中文到声学特征(Mel)转换的声学模型。在GTA模式下，利用训练好的TacotronV2合成标贝语音数据集中中文对应的Mel特征，作为声码器WaveRNN的训练数据。在合成阶段，利用TactornV2和WaveRNN合成高质量、高自然度的中文语音。从THCHS-30任选一个speaker的语音数...
TensorflowTTS：Tensorflow 2实现的最先进实时语音合成
m0_48452814的博客
06-08 5141
TensorflowTTS provides real-time state-of-the-art speech synthesis architectures such as Tacotron-2-Tensorflow, Melgan-Tensorflow, Multiband-Melgan-Tensorflow, FastSpeech-Tensorflow based-on TensorFlow 2. With Tensorflow 2, we can speed- up training/infere
【实战】基于TFlite实现TensorFlowTTS语音合成
weixin_40620310的博客
09-03 2737
【实战】基于TFlite实现TensorFlowTTS语音合成 源码地址：https://github.com/TensorSpeech/TensorFlowTTS 一、配置环境 Requirements： Python 3.7+ Tensorflow 2.2/2.3/2.4/2.5/2.6 二、案例实现 1、将源码下载并解压在TensorFlowTTS-master路径下 2、下载所需要的模型和lib静态库： 下载路径：https://github.com/luan78zaoha/TTS_tflite
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明.zip
03-08
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明.zip基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明.zip基于Python+TensorFlow+flask实现的水稻病虫害自动...
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源码+文档说明（高分项目）.zip
03-08
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源码+文档说明（高分项目）.zip基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源码+文档说明（高分项目）.zip基于Python+TensorFlow+flask...
基于flask+opencv+sklearn+tensorflow的人脸识别系统
07-08
博文“基于flask+opencv+sklearn+tensorflow的人脸识别系统”对应的源代码，其中包括前端源代码和后端源代码。
flask+tensorflow机器学习之实现水果与动物分类识别
最新发布
08-09
使用Flask和TensorFlow实现一个水果与动物分类识别的网站系统是一个结合了深度学习和Web开发的有趣项目。这个项目不仅能够让你实践机器学习模型的部署，还能让你学习如何构建一个完整的Web应用程序。 首先，你需要...
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明
01-24
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明 - 不懂运行，下载完可以私聊问，可远程教学 该资源内项目源码是个人的毕设，代码都测试ok，都是运行成功后才上传资源，答辩评审平均分...
tacotronv2_wavernn_chinese:tacotronV2 + wavernn 实现中文语音合成(Tensorflow + pytorch)
04-14
TacotronV2 + WaveRNN update at 2020-10-3 添加微调分支 开源中文语音数据集(女声)训练中文，实现中文到声学特征(Mel)转换的声学模型。在GTA模式下，利用训练好的TacotronV2合成标贝语音数据集中中文对应的Mel特征，作为声码器的训练数据。在合成阶段，利用TactornV2和WaveRNN合成高质量、高自然度的中文语音。 从任选一个speaker的语音数据集，微调TacotronV2中的部分参数，实现说话人转换。 Tensorflow serving + Flask 部署TacotronV2中文语音合成服务。 由于中采用Location sensitive attention，对长句字的建模能力不好(漏读、重复)，尝试了、、，能有效地解决对长句的建模能力，加快模型收敛速度。 tensorflow-gpu的版本为1.14.0 测试语音合成的效果
基于改造的tacotron算法训练中文语音合成系统,内含数据集连接以及环境搭建教程
05-30
基于改造的tacotron算法训练中文语音合成系统,内含数据集连接以及环境搭建教程
基于WaveRNN的TTS系统`内含数据集以及预训练模型和环境搭建教程.zip
11-01
基于WaveRNN的TTS系统`内含数据集以及预训练模型和环境搭建教程 ![注意和梅尔训练 GIF](assets/training_viz.gif) 下载 [LJSpeech](https://keithito.com/LJ-Speech-Dataset/) 数据集。 编辑 **hparams.py**，将 **wav_path** 指向您的数据集并运行： > python 预处理.py 或使用 preprocess.py --path 直接指向数据集 ___ 以下是我关于运行顺序的建议： 1 - 训练 Tacotron： > python train_tacotron.py 2 - 您可以离开训练完成或在任何时候您可以使用： > python train_tacotron.py --force_gta 这将迫使 tactron 创建 GTA 数据集，即使它尚未完成训练。 3 - 训练 WaveRNN： > python train_wavernn.py --gta 注意：如果您对 TTS 不感兴趣，您可以随时运行不带 --gta 的 train_waver
标贝男声数据集，用于人工智能语音合成训练，内容为10000条带标注的男声数据
05-25
标贝男声数据集，用于人工智能语音合成训练，音频采用频率22050，此数据为第一个分包，总共二个分包 第一个包地址：https://download.csdn.net/download/lsb2002/87818053 标注数据地址：https://download.csdn.net/download/lsb2002/87818104
标贝女声数据集，用于人工智能语音合成训练
05-10
标贝女声数据集，用于人工智能语音合成训练，音频采用频率22050，此数据为第二个分包，总共二个分包
Flask第三天-人工智能简介、简单语音合成及对话实现（通过图灵机器人和百度API进行实现）
道可道 非常道
11-01 815
请自行查找相关资料
语音合成学习（一）综述
weixin_40620310的博客
12-23 9784
一、资料推荐 爱丁堡大学课程（全英文，有能力的推荐学习一遍）：https://speech.zone/courses/speech-synthesis/ TensorflowTTS（比较系统的开源项目）：https://github.com/TensorSpeech/TensorFlowTTS 二、基础概念介绍 1、时域：波形的振幅、频率； 2、频域： 傅里叶变换：每个复杂的波形都可以由不同频率的正弦波组成； 语谱（spectrum）：描述了信号包含的频率成分和它们的幅度； 语谱图（spectrogram
语音合成：使用WaveNet或Tacotron 2在LJSpeech数据集上进行语音合成任务
sybh的博客
04-26 757
在本文中，我们将介绍如何使用WaveNet或Tacotron 2模型在LJSpeech数据集上进行语音合成任务。我们将分别介绍这两种模型的基本原理，然后使用TensorFlow搭建模型并训练。最后，我们将用训练好的模型进行语音合成。
html+css+js+flask+json+mysql 实现注册登录
09-26
在后端方面，可以使用flask来搭建服务器，使用json来传递数据，使用mysql来存储用户信息。 具体实现步骤如下： 1. 前端方面：设计注册登录页面的html和css样式，并使用js来进行表单验证。 2. 后端方面：使用flask...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matianlongg

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值