starganvc2变声器项目实战及其源码解读

1.数据与项目文件解读

        数据文件目录如下所示，需要注意的是，我们并不能直接对声音进行建模，而需要对声音数据进行预处理，从而得到一系列数值特征，然后对特征进行建模，特征数据存储到processed文件夹中 

        

2.环境配置

        pip install librosa

librosa主要负责声音数据的预处理

 pip install pysptk

有些环境需要C环境，需要安装visual studio

pip install pyworld

3.数据预处理与声音特征提取

运行preprocess.py，指定参数--dataset VCC2016

（1）声音信号的预处理

• 首先，进行16KHZ重采样，即每秒采用16k次
• 然后，进行预加重，通过来说，高频信号价值更大，于是我们补偿高频信号，让高频信号权重更大一些       
• 分帧，类似时间窗口，得到多个特征段 

代码实现：使用librosa进行读取

def load_wavs(dataset: str, sr):
    """
        `data`: contains all audios file path. 
        `resdict`: contains all wav files.