点击空白处退出提示
作品详情
整个模型训练流程
1.修改默认nemo的fastpitch模型，加上bert特征
2.预处理需要训练的语音数据，视频分离出音频数据，转换为采样率22050的wav文件，通过其他模型切割为15秒内的文件
3.通过阿里语音转文本模型对进行标注，将所有文件转换为nemo的训练集结构
4.训练fastpitch模型，4090训练10小时音频数据集大概300epoch
5.提取fastpitch训练结果，对预训练的HIFIGAN模型进行微调，大概训练300epoch
6.编写合成语音脚本，生成结果，具体结果看附件，
训练合成结果试听http://file.finelink.ltd/dev/demo.wav
声明：本文仅代表作者观点，不代表本站立场。如果侵犯到您的合法权益，请联系我们删除侵权资源！如果遇到资源链接失效，请您通过评论或工单的方式通知管理员。未经允许，不得转载，本站所有资源文章禁止商业使用运营!
评论