Tacotron-1严格复现CUHK-Mix-Language论文

最新推荐文章于 2023-08-29 10:52:31 发布
最新推荐文章于 2023-08-29 10:52:31 发布
阅读量274 收藏
点赞数
分类专栏： 研二-语音合成 研二-Maybe 文章标签： T-1
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/u013625492/article/details/102840071
版权

We clip gradients when their global norm ex-ceeds 1 and use parallel-mode monotonic attention with initial en-ergy function scalar bias set to -1.

https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/seq2seq/monotonic_attention
https://arxiv.org/pdf/1704.00784.pdf
标贝数据集文本的处理脚本: /home/hujk17/data_BZNSYP/ProsodyLabeling
LJ处理脚本的数据:
tacotron/preprocessor.py
其中删掉了很多. 13000=>7980 要改正.
mix他们http://219.223.184.100:8880/notebooks/Mix_phoneme_G2P_demo.ipynb

ruclion
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Tacotron-2-google-full-structure 以及 过程中产生的灵感
ruclion的专栏
09-20 329
1. speaker id 和 language id 放的位置:The synthesizer network uses the Tacotron 2 architecture [20], with additional inputs consisting of learned speaker (64-dim) and language embeddings (3-dim), concaten...
Tacotron1: TOWARDS END-TO-END SPEECH SYNTHESIS阅读笔记
进击的小杨人
04-22 400
1. Tacotron1: TOWARDS END-TO-END SPEECH SYNTHESIS 文章于2017年4月发表 整体过程： Encoder: 输入Character, character embeddings； Pre-net, 一个带激活函数的DNN网络，其主要功能是对输入进行一系列的非线性的变换，进一步扩大输入空间； CBHG；conv bank + residual c...
tensorboard的使用(以Tacotron-1-car20为例)
ruclion的专栏
11-12 161
目录调用数据PROJECTORscalar代码 调用 在有envent的地方: tensorboard --logdir=./ --host=0.0.0.0 --port=8880 数据 PROJECTOR PROJECTOR用于将高维向量进行可视化，通过PCA，T-SNE等方法将高维向量投影到三维坐标系。 https://zhuanlan.zhihu.com/p/24252690 scalar...
数据操作 / 数据预处理
PBemmm的博客
07-20 337
张量，数据操作，数据预处理
Python语音数据集（更新中）
最新发布
weixin_46961200的博客
08-29 280
前言，最近小编刚接触语音识别、语音合成的相关内容，附上一份文章记录可下载成功的数据集。
CUHK03_dataset:从CUHK03数据集的.mat文件中提取的图像以供人重新识别
05-13
CUHK-03数据集说明 此数据集是从香港中文大学（CUHK）校园收集的，请参考中大法规使用。 它包含敏感数据，使用时应尊重中大学生的隐私。 数据存储在MATLAB MAT文件“ cuhk-03.mat”中。 从5对不同的摄像机视图中...
CUHK-PHD-Thesis-Template:中大博士学位论文模板
04-16
中大-博士论文模板 该项目基于（哈佛GSAS）发布的模板 环境 （推荐） + + pdfLaTeX 用法 thesis.tex ：LaTeX项目的入口点。 gsasthesis.cls ：哈佛GSAS博士学位的支持类文件。 论文模板。 请注意，标题页和委员会...
Awesome-Language-Re-ID:关于基于自然语言的Re-ID的论文
04-02
CVPR'2017挖坑之作，提出CUHK-PEDES数据集。 具有潜在共同注意力的身份识别文本视觉匹配[]。 ICCV'2017（以上相同作者） 通过全球和本地图像语言协会改进用于人员重新识别的深度视觉表示[]。 ECCV'2018利用自然语言...
Lazy CUHK Updated-crx插件
04-03
（更新版本）自动登录以下服务：1.黑板2. ResNet 3. UHS预订系统4. PCCW / CSL WiFi 5. MyCUHK 6. CUHK WiFi 7. CUHKa WiFi 8. CUHK Library 9. ERGWAVE 10. Y5ZONE WiFi 11. IEWAVE 12.中大Office 365首次设置：转...
person-reid:Tensorflow实现“用于人员重新识别的改进的深度学习架构”
05-19
用于人员重新识别的改进的深度学习架构环境Ubuntu 16.04 Python 2.7.12 TensorFlow 1.2.1 CUDA 8.0 cudnn 5.1 NVIDIA GTX Titan X（帕斯卡）安装 git ...-reid.git准备数据集从中人事下载CUHK03数据然后提取文件...
wav文件pcm音频采样频率和通道数转换例子
07-22
可以将wav或pcm音频文件，采样频率和通道数进行转换，如将44100kHz采集率转换成16000kHz,单声道转换成双声道。代码和库完整，直接可以运行。
推荐 | 实用的开源数据(更新中)
shaopengfei的专栏
08-08 632
巧妇难为无米之炊，今天的推荐是两套开源数据。关注本公众号的朋友，可能一部分是已经在做自己的课题或者项目，可以直接使用本站这些脚本或者程序的；也有的刚在学习进行中，那么手头可能未必会有合适的数据来进行实验或者提取，分析。这篇文章的目的，为大家推荐两套开源数据库，这些数据有wav和标注好的结果，可以直接用来提取参数，了解实验过程。开源数量是公开免费使用的，但是不能用做商业用途，拿来用做学术研究，写论文都是没问题的，原则上要注明出处。 ...
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 1399
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...
Tacotron2
菜小白的博客
12-14 9894
Natural TTS Synthesis by Conditioning Wavenet On Mel Spectrogram predictions 本篇论文是Tacotron2官方发布的论文，主要讲述了该组在TTS方向的新的进展。Tacotron2在目前TTS领域有着十分重要的地位。 该系统由两个部分组成，一个部分是循环序列到序列的特征预测网络，将特征叠加到梅尔光谱图上，在该部分之后通过一个...
Tacotron2 NVIDIA版本优化停顿问题之Biao-Bei数据PhonePrssCrystal
ruclion的专栏
10-17 1016
目录尚未补充完整!!!预处理数据bash脚本'/r'错误仿LJS预处理提取mel改代码启动docker训练合成第一次实验失败--更正先测试问题问题1问题2问题3 尚未补充完整!!! 预处理数据 bash脚本 '/r’错误 sed -i 's/\r$//' filename 整个文件夹 for i in *;do if [[ -f $i ]]; then sed 仿LJS预处理 下载, 解压, 重采...
Tacotron的Attention出现问题的分析
ruclion的专栏
12-10 351
0. 说明 思磐问的问题, 但是晚上没有好好的回答(哭/(ㄒoㄒ)/~~), 也借着机会问了廖陈峰博士, 记录下来~ 1. 原因 attention是soft的, 所有的输入序列都过一遍, 很容易出现错误, 事实上真实的attention是单调且连续的 自回归模型对attention的要求会更高, 其中一步算错了, 后面基本全错 attention跟生成mel-spectrogram是一起学习的, 增加了学习的难度 2. 解决方案 每个方面均对应一些论文 ...
【李宏毅NLP笔记】Tacotron 可以从哪些方面改进
Oner.wv的专栏
05-08 1282
作者:龚俊民(昵称:除夕)学校:新南威尔士大学方向:自然语言处理和可解释学习知乎:https://www.zhihu.com/people/gong-jun-min-74前言：...
如何将cuhk-pedes数据集可视化
05-15
Cuhk-pedes数据集是一个行人重识别数据集，其中包含了超过13,000个行人身份的图像。为了将其可视化，可以使用Python中的matplotlib库。 以下是将Cuhk-pedes数据集中的图像可视化的基本步骤： 1. 首先，你需要将...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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