FCH-TTS学习资料汇总 - 快速高质量并行语音合成模型

FCH-TTS是一个快速、可控、高质量的非自回归文本到语音(TTS)合成模型,支持英语、中文、日语、韩语、俄语和藏语等多种语言。本文汇总了FCH-TTS的相关学习资料,帮助读者快速了解和使用该项目。

项目介绍

FCH-TTS是由GitHub用户atomicoo开发的开源TTS项目,其主要特点包括:

• 采用并行非自回归架构,合成速度快
• 支持多种语言:英语、中文、日语、韩语、俄语、藏语等
• 合成音质高,接近自然语音
• 提供预训练模型,易于使用
• 支持自定义训练

项目地址: https://github.com/atomicoo/FCH-TTS

快速开始

1. 克隆仓库:

 git clone https://github.com/atomicoo/ParallelTTS.git

2. 安装依赖:

 conda create -n ParallelTTS python=3.7.9
 conda activate ParallelTTS
 pip install -r requirements.txt

3. 语音合成:

 python synthesize.py \
   --checkpoint ./pretrained/ljspeech-parallel-epoch0100.pth \
   --melgan_checkpoint ./pretrained/ljspeech-melgan-epoch3200.pth \
   --input_texts ./samples/english/synthesize.txt \
   --outputs_dir ./outputs/

模型训练

FCH-TTS的训练分为以下几个步骤:

1. 准备数据集
2. 训练对齐模型
3. 提取持续时间
4. 训练合成模型

详细的训练步骤可参考项目README。

相关资源

• 预训练模型
• 合成样例
• 在线演示

支持的数据集

FCH-TTS支持多个公开数据集,包括:

• LJSpeech: 英语女声
• LibriSpeech: 英语多说话人
• JSUT: 日语女声
• 标贝: 中文普通话女声
• KSS: 韩语女声
• RuLS: 俄语多说话人

参考资料

FCH-TTS借鉴了多个开源项目,包括:

• Tacotron
• DeepVoice3
• DC-TTS
• SpeedySpeech
• MelGAN
• ParallelWaveGAN

更多详细信息请参考项目README。

FCH-TTS为快速掌握高质量TTS技术提供了便利,欢迎感兴趣的读者尝试使用和贡献代码。如有问题可通过Issues或邮件(atomicoo95@gmail.com)与作者交流。