python语音合成 标贝_tacotronV2 + wavernn 实现中文语音合成(Tensorflow + pytorch)

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TacotronV2TacotronV2中采用Location sensitive attention，对长句字的建模能力不好(漏读、重复)，尝试了GMM attention、Discrete Graves Attentionissue、Forward attention，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(确保相关的库已经安装)

git clone https://github.com/lturing/tacotronv2_wavernn_chinese.git

cd tacotronv2_wavernn_chinese

python tacotron_synthesize.py --text '现在是凌晨零点二十七分，帮您订好上午八点的闹钟。'

#合成的wav、attention align等在./tacotron_inference_output下

#由于在inference阶段，模型中的dropout没有关闭，相同的输入text，合成的wav的韵律等有轻微的不同

训练TacotronV2模型

训练数据集预处理

中文标点符号处理

对于中文标点符号，只保留'，。？！'四种符号，其余符号按照相应规则转换到这四个符号之一。<