Tacotron1 + WaveRNN 以及Tacotron2 + WaveNet 使用总结

1. 系统本身配好了cuda10.1和pytorch1.10.  原来import torch, 尴尬 =.= 但是为了自己方便, 还是装个Anaconda吧.

   在使用anaconda装python时，有时候路径可能没有加入到系统路径中，要手动加入：

   #将anaconda的bin目录加入PATH，根据版本不同。确定anaconda的名字，如果是默认的，python3.7生成anaconda3
   $ echo 'export PATH="~/anaconda3/bin:$PATH"'>>~/.bashrc
   #然后更新bashrc，即可立即生效，不用关机，source ~/.bashrc用来重启环境变量。
   $ source ~/.bashrc

    

2. 如何create 虚拟环境:

   conda create -n env_name python=3.7

3. conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

4. 可能需要换conda源.
5. 但是没有在环境中装上!不知道为啥.

6. （一）删除整个anaconda目录：

       由于Anaconda的安装文件都包含在一个目录中，所以直接将该目录删除即可。到包含整个anaconda目录的文件夹下，删除整个Anaconda目录：

       rm -rf anaconda文件夹名

   
   （二）建议清理下.bashrc中的Anaconda路径：

      1.到根目录下，打开终端并输入：
         sudo gedit ~/.bashrc

      2.在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除)：
         #export PATH=/home/lq/anaconda3/bin:$PATH
         保存并关闭文件

      3.使其立即生效，在终端执行：
         source ~/.bashrc
    
      4.关闭终端，然后再重启一个新的终端，这一步很重要，不然在原终端上还是绑定有anaconda.

7. sudo pacman -S jupyter

   无法从 mirrors6.tuna.tsinghua.edu.cn : The requested URL returned error: 4                                                                                                         04 获取文件 'mathjax-2.7.6-1-any.pkg.tar.xz'
8. 重新来https://zhuanlan.zhihu.com/p/52498335

9.  

   小龙:
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
     3   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
     4   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
     5   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
     6   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
     7   - defaults

10. 星辰:

    宋星辰:
    把-c去掉就行，-channel 

    宋星辰:
    强制用pytorch的源安装pytorch

 

接下来是从空用户开始安装环境, 测试Tensorflow+Pytorch 版本Tacotron2 (Mel) + WaveNet

github代码地址: https://github.com/r9y9/wavenet_vocoder

colab代码地址: https://colab.research.google.com/github/r9y9/Colaboratory/blob/master/Tacotron2_and_WaveNet_text_to_speech_demo.ipynb#scrollTo=0n4h5aa51dHS

• sudo pacman -S python-pip
• pip install --user pysptk==0.1.17
• 然后把requirement和setup自己用pip install --usr 安装, 但是pysptk >= 0.1.9 不知道哪个大.
• 运行cell, 但是:
  • tf版本还是不照应, 不过不改TF版本, 而是改代码, custom_decoder.py / 47, 48 line,  if not rnn_cell_impl.......rnn_like, 注释掉.
  • https://github.com/librosa/librosa/issues/826
  • https://github.com/r9y9/gantts/issues/2
• 现在弄不清用了几块gpu, 加速怎么样, 需要详细来看.
• 预先训练的模型怎么用, 而且有两个预训练好的模型, 怎么协同使用?
• 统计时间, 直观角度和合成sample比例角度.
  • 合成Mel的时间, 大约0.6s, 很快.需测试.
  • 合成Wave的时间, 太慢

    2 I try lots of vocoders, some of them are too slow, another of them can not produce good quality voice.
    

    100%|██████████| 133376/133376 [26:05<00:00, 85.20it/s]

• 声音结果在googleDrive中: Tacotron2_and_WaveNet_text_to_speech_demo文件夹下.
• 整理代码, 为平时TTS可用的脚本.TTS_Tacotron2_and_WaveNet_LJSpeech.ipynb 在任何地方都能用, 会chdir到用户根目录. 
• 对比Mel直接合成的声音和WaveNet的区别, 其实韵律是一致的, 只是音质不同, 完全可以用了, 平时短时间, sample时用WaveNet. 而且启发一个修复音质的思路.
• 本子上有不明白的代码部分, 要解决, csdn上传图片不好传, 可能要换了.
• 只是真正用在网络实时系统的时候还不行. 需要思考应该怎么办.

接下来是从空用户开始安装环境, 测试Pytorch 版本Tacotron1 + WaveRNN

github代码地址: https://github.com/fatchord/WaveRNN

colab代码地址: 自己写一个, 先不用这个版本, 期待WaveRNN能实时, 目前研究先用T2+WaveNet版本吧.

• pip install --user pysptk==0.1.17
• pip install -r requirements.txt. 使用pip install --user, 把文件里面的拆开安装. 
• 单独安装jypyter: sudo pacman -S jupyter
• python quick_start.py -u --input_text "What will happen if I run this command?" 直接可以执行, 60s, 0.9kHZ
• python quick_start.py -b --input_text "What will happen if I run this command?" 很快了, 13s, 4.5kHZ, 音质差不多, 但不理解这个参数的具体含义.

 

总结:

Sentence: I try lots of vocoders, some of them are too slow, another of them can not produce good quality voice.

approximate time of sentence:  0.06s

Tacotron2-model1__WaveNet:

• Taccotron2-model1__WaveNet.wav
• Synthesis time 26min

Tacotron2-model1__Mel:

• Taccotron2-model1__Mel.wav
• Synthesis time 0.6s

Tacotron1-model2__WaveRNN-u:

• Tacotron1-model2__WaveRNN-u.wav
• Synthesis time 3min

Tacotron1-model2__WaveRNN-b:

• Tacotron1-model2__WaveRNN-b.wav
• Synthesis time 13s

Tacotron2-model3__Linear:

• Tacotron2-model3__Linear.wav
• Synthesis time about 0.6s

Tacotron2-model3__Mel:

• Tacotron2-model3__Mel.wav
• Synthesis time about 0.6s

Tacotron2-model4__Mel:

• TTacotron2-model3__Linear.wav
• Synthesis time about 0.6s

model1, model2: pre-trained model, 180k steps.

model3: 100ksteps, trained with the latest version code.

model4: 80ksteps, trained with 2018-10 version code.