tugstugi/pytorch-dc-tts

Guided Attentionを用いた深層畳み込みネットワークベースのText-to-Speech（TTS）システムをPyTorchで実装しています。テキストからメルスペクトログラムを生成するText2Melモデルと、メルスペクトログラムから線形スペクトログラムを高解像度化するSSRNモデルの学習・音声合成・データ前処理に対応し、英語（LJ Speech）とモンゴル語（Mongolian Bible）のデータセットを利用できます。