TTS之训练vocoder

1.先将代码下载到服务器，并安装

git clone https://github.com/mozilla/TTS
pip install -e .

注：

pip install e . 与setup.py关系：

Editable—pip-----------------setup.py
yes---------pip install -e . —python setup.py develop
no----------pip install . ------ python setup.py install

一般建议使用pip有一系列原因：

• 自动安装依赖项
• 有一种简单的卸载方式

在您的情况下,我非常怀疑您的包具有依赖关系,如果您使用pip则会自动安装,但如果您使用python setup.py install则不会.

2.cd data2/zhoujie/ 进入自己文件夹下

cd data2/zhoujie/ 
cd TTS/
mkdir data 

建立新文件夹data用来存放数据,

cd data

mv data/   ./   

把培姐目录下的BIAOBEI数据移动到我当前目录biaobei_48000

3.看采样率，发现采样率为48000，需批量降采样到22050.

sox --i 008892.wav 

新建文件夹biaobei_22050

用一个shell脚本：

  for i in /data2/zhoujie/TTS/data/BIAOBEI/biaobei_48000/*.wav 
  do
  echo $i 
  sox $i -r 22050  /data2/zhoujie/TTS/data/BIAOBEI/biaobei_22050/${i##*/}
  done

注：
运行.sh以下三种一样：

./home/hello.sh
/home/hello.sh
sh /home/hello.sh

4.修改配置文件multiband_melgan_config.json参数：

修改//DATASET里，数据存放路径：
“data_path”:"/data2/zhoujie/TTS/data/BIAOBEI/biaobei_22050/"

修改//PATHS里，模型输出结果路径：
“output_path”:"/data2/zhoujie/TTS/Models/BIAOBEI/"

修改//Normalization parameters里路径：
“stats_path”:"/data2/zhoujie/TTS/data/BIAOBEI/scale_stats.npy"

5.在/data2/zhoujie/TTS/下运行
可先nvidia-smi查看哪号GPU空闲

CUDA_VISIBLE_DEVICES='0'
python3 TTS/bin/train_vocoder_gan.py --config_path
/data2/zhoujie/TTS/TTS/vocoder/configs/multiband_melgan_config.json

若中断，想接着原来继续训练：

CUDA_VISIBLE_DEVICES='0'
python3 TTS/bin/train_vocoder_gan.py --continue_path
/data2/zhoujie/TTS/Models/BIAOBEI/multiband-melgan-June-11-2021_02+41AM-e9e0784

6.此时报错没有scale_stats.npy。

python TTS/bin/compute_statistics.py --config_path path/to/config.json

查看该代码main，发现需要–config_path和–out_path。

运行compute_statistics.py：

python3
TTS/bin/compute_statistics.py --config_path
TTS/vocoder/configs/multiband_melgan_config.json --out_path
/data2/zhoujie/TTS/data/BIAOBEI/

1. 报错语法错误，改成python3;

2. 报错no such direction,路径不对，删掉config_path中TTS/TTS/vocoder/configs/multiband_melgan_config.json的一个TTS；

3. 报错没有scale_stats.npy。np.save是具体到文件名，如果没后缀会自动加，保存路径–out_path
   /data2/zhoujie/TTS/data/BIAOBEI/scale_stats.npy）