文件名称：MelNet:使Melnet在AWS机器上运行
文件大小：81KB
文件格式：ZIP
更新时间：2024-03-27 06:48:20
Python
梅尔网 实现 先决条件 使用Python 3.6.8和3.7.4，PyTorch 1.2.0和1.3.0进行了测试。 pip install -r requirements.txt 如何训练 数据集 暴雪，VoxCeleb2和KSS在config/下提供了YAML文件。 对于其他数据集，请根据提供的其他数据集填写自己的YAML文件。 对于所有类型的数据集，只要它们具有由YAML文件中的data.extension指定的一致文件扩展名，就可以进行无条件训练。 当前仅对KSS和暴雪数据集的子集实施条件训练。 运行代码 python trainer.py -c [config YAML file path] -n [name of run] -t [tier number] -b [batch size] -s [TTS] 每个级别都可以分别进行培训。 由于每个层都大于之前的层（第1层除
【文件预览】：
MelNet-master
----trainer.py(2KB)
----.gitignore(2KB)
----text()
--------korean.py(9KB)
--------en_numbers.py(2KB)
--------english.py(2KB)
--------__init__.py(4KB)
--------ko_dictionary.py(5KB)
--------symbols.py(2KB)
--------cleaners.py(3KB)
----ubuntu-instructions.txt(1KB)
----requirements.txt(92B)
----model()
--------tts.py(5KB)
--------rnn.py(4KB)
--------tier.py(2KB)
--------upsample.py(2KB)
--------loss.py(1KB)
--------model.py(4KB)
----datasets()
--------wavloader.py(6KB)
----assets()
--------tensorboard.png(53KB)
----LICENSE(1KB)
----inference.py(2KB)
----sftp-config.json(1KB)
----utils()
--------validation.py(2KB)
--------writer.py(1KB)
--------constant.py(127B)
--------download_blizzard.py(2KB)
--------plotting.py(710B)
--------hparams.py(2KB)
--------reconstruct.py(2KB)
--------utils.py(2KB)
--------audio.py(978B)
--------upload_to_s3.py(1KB)
--------gmm.py(636B)
--------tierutil.py(2KB)
--------train.py(6KB)
----README.md(3KB)
----config()
--------blizzard-5-tier.yaml(756B)
--------inference.yaml(286B)
--------kss.yaml(741B)
--------blizzard.yaml(752B)
--------voxceleb2.yaml(719B)
--------blizzard-3-tier.yaml(749B)
--------blizzard_compressed.yaml(761B)
----setup.sh(497B)
----credentials.py(0B)