zhang201305945的博客

原创 vscode下载插件的问题-转载

转载自：vscode下链接远程服务器安装插件失败、速度慢等解决方法_vscode远程安装不上扩展_Emphatic的博客-CSDN博客

原创 vscode配置远程服务器

原创 【老三服务器配置DiffSinger的训练环境】

主要是需要更改安装环境（提前创建anaconda3的安装目录，名字最好带anaconda3）传输这个压缩文件py3666.tar.gz到你所需要的服务器上。2、安装cuda11.3和cudnn11.x。Pip install xxx(略）3.2把训练环境从老二服务器传到老三。1、安装anaconda3。3.1可以从头开始安装库。创建解压目录（最好与。一致）并解压到该目录。

原创 paper-FastSpeech2

独立的持续时间、音高和能量预测器进行推理（所以这些预测器是可以单独使用或者整体使用？它直接从文本生成波形，而不需要级联的梅尔频谱图生成（声学模型）和波形生成（声码器）中的开源语音文本对齐系统，性能优良）来提取音素持续时间，而不是使用预训练的自回归。们将从真实录音中提取的持续时间、音高和能量的真实值作为输入添加到隐藏序列中。所有预测器共享相同的模型结构，但不共享模型参数。位信息的预测很难使用方差预测器来完成。是一个典型的一对多映射问题（

原创 paper-FastSpeech

（所以是先有音素持续时间预测器，然后再有长度调节器对音素序列上采用是吗？推理阶段，因为在训练中，我们可以直接使用从自回归教师模型中提取的音素持续时间。一个音素对应的梅尔频谱图的长度（帧数），称之为音素持续时间。在本节中，我们介绍了FastSpeech的架构设计。音素持续时间（即每个音素对应的梅尔频谱图数量）的指导方针将原始波形转换为梅尔频谱图。的指导方针将文本序列转换为音素序列。实现音素到梅尔频谱图的转换。所注意的梅尔频谱图的数量。梅尔频谱图生成的推理加速。对音素序列进行上采样。梅尔频谱图生成的速度。

原创 paper20231011-DeepSinger

在本节中，我们首先描述了实验设置，报告了DeepSinger中对齐模型的准确性，然后从音高准确性的定量角度和平均意见分数（MOS）的质量角度对合成声音进行评估。（3）并进一步设计了一个基于前馈Transformer的多语言多歌手唱歌模型，（1）音素-歌曲对齐模型，得到phoneme-duration。2）歌词和唱歌音频之间的严格数据对齐以进行准确的唱歌建模。（1）本从头构建一个SVS模型的pipline。1）大量的高质量唱歌录音作为训练数据；（2）设计了一个歌词到唱歌对齐模型，节中介绍了唱歌模型的细节。

原创 paper-20231007-基于FFT的seq2seq的SVS系统

曝光偏差问题（是啥东西？【2.4、F0和位置编码】是编码器、对齐器和解码器。【2.3、持续时间模型】【2.1、模型结构】使用简单的启发式方法。

原创 paper-20231007-对抗训练的多歌手seq2seq SVS

3）增加了multi random window discriminator，使用普通的生成器和判别器loss进行训练。这个用在decoder部分，可以缓解生成出来的歌声过度拟合的问题，以及起到了数据增广的作用。为了提高target singer的歌声合成质量，使用少部分的target singer的歌声合成数据集+一些其他说话人的歌声合成数据集一起，构成一个多说话人的数据集。然后在单说话人的歌声合成框架上进行了一些改进，将其变成多说话人的歌声合成框架。（1）baseline的架构。