音声合成のために日本語を音素に変換する

はじめに 近年の音声合成は以下のような構造をとることが多いです。 今まで私は主に音響モデル部分を中心に記事を書いてきました。 しかし意外と重要なのがこのテキスト処理部分です。今回はテキスト処理についてまとめていきます。 テキスト処理ライブラリp…

機械学習で美少女の合成音声を自作する

はじめに 以下のような、アニメ風の合成音声を自作する方法を記述します。 「今日はいい天気ですね。」 使った技術 今回はTacotron2という技術を使いました。Tacotron2に関しては以下で説明しています。 Tacotron2による音声合成を体験する - シロワニさんの…

Tacotron2を日本語で学習してみる(転移学習編)

はじめに NVIDIA社が公開しているTacotron2は英語モデルです。 そのため、今回は自分でTacotron2の日本語モデルを作ってみようと思いました。 そこで、前回は日本語のデータセットを準備し、0からTacotron2の学習を行ってみたのですが、データセット 、また…

Tacotron2を日本語で学習してみる(0から学習編)

はじめに NVIDIA社が公開しているTacotron2は英語モデルです。 そのため、今回は自分でTacotron2の日本語モデルを作ってみようと思いました。 ちなみに、先に言ってしまうと今回の設定は上手く行きませんでした。上手くいったパターンは以下の「Tacotron2を…

pythonでwavファイルのサンプリングビット数(量子化ビット数)を変換する

はじめに pythonでwavファイルのサンプリングビット数(量子化ビット数)を変換します。 簡単にできるかと思いきや、調べてもあまり見つからなかったので自分でもまとめておきます。 やり方 PySoundFileライブラリで実現できるようなので、インストールしま…

NVIDIAのTacotron2モデルを再現してみた

Tacotron2とは Tacotron2に関しては以下の記事で説明しています。 shirowanisan.com 目的 NVIDIA/tacotron2ソースコードの説明に従いモデルを作成し、NVIDIA提供モデルと同じモデルが作れるのかを明らかにする。 Tacotron2のクオリティに必要な学習数を明ら…

Ubuntu18.04のインストールからGPUで機械学習をするまで

目次 UbuntuのインストールからGPUで機械学習をするまでに必要なことを記述します。流れは以下となっています。 WindowsでUbuntuインストールUSBメディアを作成 Ubuntuのインストール・初期設定 機械学習のためのGPUドライバ・CUDA・cuDNNの設定 pyenvによる…