文件名称：tacotron2:Tacotron 2-具有比实时更快的推理能力的PyTorch实施
文件大小：1.34MB
文件格式：ZIP
更新时间：2024-05-31 06:27:45
附件源码 文章源码
Tacotron 2（无波网） 基于的PyTorch实现。 此实现包括分布式和自动混合精度支持，并使用。 分布式和自动混合精度支持依赖于NVIDIA的和 。 请访问我们的以获取使用我们已发布的和模型的音频样本。 先决条件 NVIDIA GPU + CUDA cuDNN 设置 下载并提取 克隆此仓库： git clone https://github.com/NVIDIA/tacotron2.git 将CD放入此存储库： cd tacotron2 初始化子模块： git submodule init; git submodule update git submodule init; git submodule update 更新.wav路径： sed -i -- 's,DUMMY,ljs_dataset_folder/wavs,g' filelists/*.txt 或者，在hp
【文件预览】：
tacotron2-master
----distributed.py(7KB)
----demo.wav(385KB)
----text()
--------__init__.py(2KB)
--------LICENSE(1KB)
--------symbols.py(721B)
--------cleaners.py(2KB)
--------numbers.py(2KB)
--------cmudict.py(2KB)
----Dockerfile(385B)
----stft.py(6KB)
----audio_processing.py(3KB)
----requirements.txt(119B)
----data_utils.py(4KB)
----LICENSE(1KB)
----hparams.py(3KB)
----tensorboard.png(170KB)
----layers.py(3KB)
----.gitmodules(99B)
----utils.py(777B)
----README.md(3KB)
----multiproc.py(647B)
----loss_function.py(673B)
----plotting_utils.py(2KB)
----loss_scaler.py(4KB)
----filelists()
--------ljs_audio_text_test_filelist.txt(59KB)
--------ljs_audio_text_val_filelist.txt(12KB)
--------ljs_audio_text_train_filelist.txt(1.45MB)
----logger.py(2KB)
----inference.ipynb(330KB)
----model.py(20KB)
----waveglow()
----train.py(11KB)