Skip to content

Korean Text To Speech Project: Using Tacotron1, Tacotron2, Wavenet and Melgan

Notifications You must be signed in to change notification settings

esoyeon/KoreanTTS

Repository files navigation

KoreanTTS

Tacotron2 모델과 Vocoder모델(Griffinlim, Wavenet, MelGan)을 결합하여 한국어 TTS를 구현하는 프로젝트입니다.

Based on

Dataset

  1. Koran Single Speaker Speech

    • 전문여자성우(12시간, wav, 44100khz, 12853개, 3GB)
  2. 배우 유인나 목소리

    • KBS 라디오 유인나의 볼륨을 높여요(3시간, wav, 16000khz, 3327개, 480.6MB)
    • Google Speech to Text API
    • Kakao Speech API
  3. 반려동물 훈련사 강형욱 목소리

    • ETRI 한국어 인식 API

학습에 진행한 오디오 데이터는 저작권 문제로 공유하지 않습니다. 각 데이터 출처에서 확인해주세요.

Preprocessing

  1. wav 파일을 numpy 파일로 변환

  2. ‘audio’, ‘mel’, ‘linear’, ‘text’ 등의 메타데이터를 묶어 저장

  3. Data/kss/"음성파일이름.npz" 생성

  4. Mel-spectrogram, Linear-spectrogram 정답셋을 생성

Project 진행

총 4가지의 학습을 진행하였습니다.

  1. Tacotron2 + GriffinLim + Singlespeaker

  2. Tacotron2 + GriffinLim + Multispeaker(Deep Voice 2)

  3. Tacotron2 + Melgan + Single Speaker

  4. Tacotron2 + Melgan + Multispeaker (Transfer learning)

결과

  1. Tacotron2 + GriffinLim + Multispeaker(KSS + 유인나) 중 KSS 데이터

    • Alignmnet (50000)

    50000_kss

  2. Tacotron2 + GriffinLim + Multispeaker(KSS + 유인나) 중 유인나 데이터

    • Alignment(90000)

    90000_유인나

  3. Tacotron2 + MelGan + Singlespeaker(KSS)

    • Alignment(90000)

melgan_90000