TACOTRON2_WAVERNN_PHONE_LJSPEECH

torchaudio.pipelines.TACOTRON2_WAVERNN_PHONE_LJSPEECH

基于音素的 TTS 流水线，使用在 LJSpeech 上训练的 Tacotron2（训练 1,500 个 epoch），以及在 LJSpeech 的 8 位深度波形上训练的 WaveRNN 声码器（训练 10,000 个 epoch）。 [Ito and Johnson, 2017]

文本处理器根据音素对输入文本进行编码。它使用 DeepPhonemizer 将图表转换为音素。模型（en_us_cmudict_forward）是在 CMUDict 上训练的。

您可以在此处找到 Tacotron2 的训练脚本：here。使用了以下参数； win_length=1100, hop_length=275, n_fft=2048, mel_fmin=40, 和 mel_fmax=11025。

您可以在此处找到 WaveRNN 的训练脚本：here。

有关使用方法，请参阅 torchaudio.pipelines.Tacotron2TTSBundle()。

示例 - “Hello world! T T S stands for Text to Speech!”

示例 - “The examination and testimony of the experts enabled the Commission to conclude that five shots may have been fired,”