tacotron_synthesize.py 生成梅尔频谱需要两秒到三秒，请问Tacotron2是不是比较慢，还是其他调参的原因？

[443127316]

首先感谢老师分享这么好的项目，我在运行adaptive分支的时候，采用了项目提供的预训练模型进行微调训练，微调数据分别测试aishell3和magic data以及 D8，在执行tacotron_synthesize.py的时候，使用V100 GPU 单卡，生成梅尔频谱耗时 3秒，经过Griffin声码器耗时6秒（如果改用waveRNN耗时9秒），问题如下：

1.Tacotron2是否本身就这么慢，可能让整个链路调整到500ms以内吗？
2.如果想要优化速度的话，要从什么方向入手。

再次感谢老师的帮助。

[lturing]

您好，感谢您的关注。
tacotron是自回归模型，推荐你使用非回归模型，例如fastspeech

https://github.com/ranchlai/mandarin-tts
https://github.com/NVIDIA/mellotron
https://github.com/NVIDIA/NeMo/tree/main/examples/tts
推荐你试试上面的。
另外，我之前试过用多人数据集(40多人，一共4w句)训练fastspeech2，在adaptive时候，只需10句就能很好的克隆音色。