はじめに pythonでwavファイルのサンプリング周波数を変換する方法を記述します。 必要なライブラリ 使うライブラリは「librosa」と「PySoundFile」なのでインストールします。 この記事は以下のバージョンでの実装を記述しています。 $ pip install librosa…
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…
ディープラーニングでアニメ風の合成音声を自作する方法を説明します。
前回、0からの学習でTacotron2の日本語モデルを作成しましたが、上手く音声生成できませんでした。そこで、今回は転移学習でTacotron2の日本語モデルを作ってみます。
NVIDIA社が公開しているTacotron2は英語モデルです。そこで、夏目漱石の明暗を朗読した6841個のwavファイルを用いて、Tacotron2の日本語モデルを作ってみます。
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)を変換するライブラリとコードを紹介します。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。
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します。
GPUを使った機械学習環境の構築の備忘録として書きました。
肉声と違いがわからないほどの音声生成が可能なTacotron2の紹介をします。