Speech synthesis model repo for galgame characters based on Tacotron2 and Hifigan
简体中文 English(Todo..)
这个是一个用于存放基于Tacotron2与Hifigan的galgame角色语音合成模型库。另外也用于发行编译后的推理GUI。
hifi-gan: https://github.com/jik876/hifi-gan
Tacotron2: https://github.com/NVIDIA/tacotron2
打开软件后，分别选择您的模型路径与输出目录，选择Cleaners（看模型作者要求选），最后输入待合成文本，点击合成语音等待一会软件会将音频输出到输出目录/outpus.wav
注意事项：
- 首次合成需要加载模型，耗时较长，相同模型再次合成不会再次加载，直接合成。
- 如果切换模型，再次合成会重新加载。
- Hifigan的config.json需要放置在与模型同路径下。
- 软件为64位版本，不支持32位系统。
示例：
提交格式参考：
x. 模型名
描述：角色xxx的模型
模型输入：
下载地址：
配套Hifigan模型下载：选填
详细信息：选填
-
ATRI
描述：游戏 ATRI- My dear moments 的角色ATRI模型
模型输入：无空格罗马音，标点可保留英文逗号句号。Cleaners选择basic_cleaners。例如：
tozendesu.koseinodesukara.下载地址：链接：https://pan.baidu.com/s/1hJIbIX0r1UpI3UEtsp-6EA?pwd=jdi4 提取码：jdi4
配套HifiGAN模型下载：链接：https://pan.baidu.com/s/1PGU8XEs5wy4ppJL6GjTgMQ?pwd=24g8 提取码：24g8
详细信息：从游戏中选择1300条语音训练，训练约600 Epoch
-
Q：这个GUI能使用非官方Tacotron2训练的模型吗？
A：如果模型结构与推理方式没改过的话，只是数据处理不同，应该是没问题的。
-
Q：文本该输入什么？
A：文本一般是输入音素（日语在这里应该输入罗马音），但具体要看模型训练者的数据是怎么输入的。比如我的ATRI模型是输入无空格罗马音，标点符号只支持逗号句号。
文本（text）会被直接送到这里经过basic_cleaners然后转为序列用于推理，如果你使用的模型训练者做了其他预处理，请把预处理结果输入进去。
sequence = np.array(text_to_sequence(text, ['basic_cleaners']))[None, :] sequence = torch.autograd.Variable(torch.from_numpy(sequence)).cpu().long()
欢迎分享你的预训练模型，由于模型较大，暂时不打算存放在GitHub，可以拉取该项目后将你的模型下载地址以及信息写在Readme的模型下载部分中。提交PR即可。
如果有任何优化建议或者BUG可以提issue。