Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
ERNIE
提交
c2f4709e
E
ERNIE
项目概览
PaddlePaddle
/
ERNIE
大约 1 年 前同步成功
通知
109
Star
5997
Fork
1270
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
29
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
E
ERNIE
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
29
Issue
29
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
提交
c2f4709e
编写于
5月 20, 2022
作者:
P
pfZhu
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
modify code
上级
75dae192
变更
24
展开全部
隐藏空白更改
内联
并排
Showing
24 changed file
with
503 addition
and
42 deletion
+503
-42
ernie-sat/.DS_Store
ernie-sat/.DS_Store
+0
-0
ernie-sat/README.md
ernie-sat/README.md
+4
-4
ernie-sat/inference.py
ernie-sat/inference.py
+475
-0
ernie-sat/prompt/dev/mfa_end
ernie-sat/prompt/dev/mfa_end
+1
-1
ernie-sat/prompt/dev/mfa_start
ernie-sat/prompt/dev/mfa_start
+1
-1
ernie-sat/prompt/dev/mfa_text
ernie-sat/prompt/dev/mfa_text
+1
-1
ernie-sat/prompt/dev/mfa_wav.scp
ernie-sat/prompt/dev/mfa_wav.scp
+1
-1
ernie-sat/prompt/dev/text
ernie-sat/prompt/dev/text
+1
-1
ernie-sat/prompt/dev/wav.scp
ernie-sat/prompt/dev/wav.scp
+1
-1
ernie-sat/run_clone_en_to_zh.sh
ernie-sat/run_clone_en_to_zh.sh
+5
-5
ernie-sat/run_gen_en.sh
ernie-sat/run_gen_en.sh
+3
-22
ernie-sat/run_sedit_en.sh
ernie-sat/run_sedit_en.sh
+4
-2
ernie-sat/tmp/tmp_pkl.Prompt_003_new
ernie-sat/tmp/tmp_pkl.Prompt_003_new
+0
-0
ernie-sat/tmp/tmp_pkl.p243_new
ernie-sat/tmp/tmp_pkl.p243_new
+0
-0
ernie-sat/tmp/tmp_pkl.p299_096
ernie-sat/tmp/tmp_pkl.p299_096
+0
-0
ernie-sat/utils.py
ernie-sat/utils.py
+6
-3
ernie-sat/wavs/ori.wav
ernie-sat/wavs/ori.wav
+0
-0
ernie-sat/wavs/pred.wav
ernie-sat/wavs/pred.wav
+0
-0
ernie-sat/wavs/pred_en_edit_paddle_voc.wav
ernie-sat/wavs/pred_en_edit_paddle_voc.wav
+0
-0
ernie-sat/wavs/pred_zh.wav
ernie-sat/wavs/pred_zh.wav
+0
-0
ernie-sat/wavs/pred_zh_fst2_voc.wav
ernie-sat/wavs/pred_zh_fst2_voc.wav
+0
-0
ernie-sat/wavs/task_cross_lingual_pred.wav
ernie-sat/wavs/task_cross_lingual_pred.wav
+0
-0
ernie-sat/wavs/task_edit_pred.wav
ernie-sat/wavs/task_edit_pred.wav
+0
-0
ernie-sat/wavs/task_synthesize_pred.wav
ernie-sat/wavs/task_synthesize_pred.wav
+0
-0
未找到文件。
ernie-sat/.DS_Store
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
ernie-sat/README.md
浏览文件 @
c2f4709e
...
...
@@ -11,7 +11,7 @@ ERNIE-SAT中我们提出了两项创新:
### 1.安装飞桨
我们
的代码基于 Paddle(version>=2.0)
本项目
的代码基于 Paddle(version>=2.0)
### 2.预训练模型
...
...
@@ -23,7 +23,7 @@ ERNIE-SAT中我们提出了两项创新:
### 3.下载
1.
我们
使用parallel wavegan作为声码器(vocoder):
1.
本项目
使用parallel wavegan作为声码器(vocoder):
-
[
pwg_aishell3_ckpt_0.5.zip
](
https://paddlespeech.bj.bcebos.com/Parakeet/released_models/pwgan/pwg_aishell3_ckpt_0.5.zip
)
创建download文件夹,下载上述预训练的声码器(vocoder)模型并将其解压
...
...
@@ -34,7 +34,7 @@ cd download
unzip pwg_aishell3_ckpt_0.5.zip
```
2.
我们
使用
[
FastSpeech2
](
https://arxiv.org/abs/2006.04558
)
作为音素(phoneme)的持续时间预测器:
2.
本项目
使用
[
FastSpeech2
](
https://arxiv.org/abs/2006.04558
)
作为音素(phoneme)的持续时间预测器:
-
[
fastspeech2_conformer_baker_ckpt_0.5.zip
](
https://paddlespeech.bj.bcebos.com/Parakeet/released_models/fastspeech2/fastspeech2_conformer_baker_ckpt_0.5.zip
)
中文场景下使用
-
[
fastspeech2_nosil_ljspeech_ckpt_0.5.zip
](
https://paddlespeech.bj.bcebos.com/Parakeet/released_models/fastspeech2/fastspeech2_nosil_ljspeech_ckpt_0.5.zip
)
英文场景下使用
...
...
@@ -48,7 +48,7 @@ unzip fastspeech2_nosil_ljspeech_ckpt_0.5.zip
### 4.推理
我们目
前开源了语音编辑、个性化语音合成、跨语言语音合成的推理代码,后续会逐步开源。
本项目当
前开源了语音编辑、个性化语音合成、跨语言语音合成的推理代码,后续会逐步开源。
注:当前采用的声码器版本与
[
模型训练时版本
](
https://github.com/kan-bayashi/ParallelWaveGAN
)
在英文上存在差异,您可使用模型训练时版本作为您的声码器,模型将在后续更新中升级。
我们提供特定音频文件, 以及其对应的文本、音素相关文件:
...
...
ernie-sat/
sedit_inference_0520
.py
→
ernie-sat/
inference
.py
浏览文件 @
c2f4709e
此差异已折叠。
点击以展开。
ernie-sat/prompt/dev/mfa_end
浏览文件 @
c2f4709e
p243_new 1.0225 1.0525 1.0925 1.1325 1.1725 1.2625 1.3625 1.4125 1.5125 1.6225 1.6625 1.7925 1.8625 2.0025 2.0925 2.1725 2.2625 2.4325 2.4725 2.5225 2.5825 2.6125 2.6425 2.7425 2.8025 2.9025 2.9525 3.0525 3.0825 3.2125 3.4525
Prompt_003_new 0.0425 0.0925 0.1825 0.2125 0.2425 0.3225 0.3725 0.4725 0.5325 0.5625 0.6225 0.7425 0.8625 0.9725 0.9975 1.0125 1.0825 1.2625 1.3125
p299_096 0.7525 0.7925 0.8725 0.9125 0.9425 1.0325 1.0625 1.1925 1.2625 1.3225 1.3725 1.4125 1.5125 1.5425 1.6525 1.6925 1.7325 1.7625 1.8425 1.9625 2.0225 2.1825 2.3325 2.6825
p243_new 1.0225 1.0525 1.0925 1.1325 1.1725 1.2625 1.3625 1.4125 1.5125 1.6225 1.6625 1.7925 1.8625 2.0025 2.0925 2.1725 2.2625 2.4325 2.4725 2.5225 2.5825 2.6125 2.6425 2.7425 2.8025 2.9025 2.9525 3.0525 3.0825 3.2125 3.4525
ernie-sat/prompt/dev/mfa_start
浏览文件 @
c2f4709e
Prompt_003_new 0.0125 0.0425 0.0925 0.1825 0.2125 0.2425 0.3225 0.3725 0.4725 0.5325 0.5625 0.6225 0.7425 0.8625 0.9725 0.9975 1.0125 1.0825 1.2625
p243_new 0.0125 1.0225 1.0525 1.0925 1.1325 1.1725 1.2625 1.3625 1.4125 1.5125 1.6225 1.6625 1.7925 1.8625 2.0025 2.0925 2.1725 2.2625 2.4325 2.4725 2.5225 2.5825 2.6125 2.6425 2.7425 2.8025 2.9025 2.9525 3.0525 3.0825 3.2125
Prompt_003_new 0.0125 0.0425 0.0925 0.1825 0.2125 0.2425 0.3225 0.3725 0.4725 0.5325 0.5625 0.6225 0.7425 0.8625 0.9725 0.9975 1.0125 1.0825 1.2625
p299_096 0.0125 0.7525 0.7925 0.8725 0.9125 0.9425 1.0325 1.0625 1.1925 1.2625 1.3225 1.3725 1.4125 1.5125 1.5425 1.6525 1.6925 1.7325 1.7625 1.8425 1.9625 2.0225 2.1825 2.3325
ernie-sat/prompt/dev/mfa_text
浏览文件 @
c2f4709e
p243_new sp F AO1 R DH AE1 T R IY1 Z AH0 N sp K AH1 V ER0 SH UH1 D N AA1 T B IY1 G IH1 V AH0 N sp
Prompt_003_new DH IH1 S W AA1 Z N AA1 T DH AH0 SH OW1 F AO1 R M IY1 sp
p299_096 sp W IY1 AA1 R T R AY1 NG T UW1 AH0 S T AE1 B L IH0 SH AH0 D EY1 T sp
p243_new sp F AO1 R DH AE1 T R IY1 Z AH0 N sp K AH1 V ER0 SH UH1 D N AA1 T B IY1 G IH1 V AH0 N sp
ernie-sat/prompt/dev/mfa_wav.scp
浏览文件 @
c2f4709e
Prompt_003_new ../../prompt_wav/this_was_not_the_show_for_me.wav
p243_new ../../prompt_wav/p243_313.wav
Prompt_003_new ../../prompt_wav/this_was_not_the_show_for_me.wav
p299_096 ../../prompt_wav/p299_096.wav
ernie-sat/prompt/dev/text
浏览文件 @
c2f4709e
Prompt_003_new This was not the show for me.
p243_new For that reason cover should not be given.
Prompt_003_new This was not the show for me.
p299_096 We are trying to establish a date.
ernie-sat/prompt/dev/wav.scp
浏览文件 @
c2f4709e
p243_new ../../prompt_wav/p243_313.wav
Prompt_003_new ../../prompt_wav/this_was_not_the_show_for_me.wav
p299_096 ../../prompt_wav/p299_096.wav
p243_new ../../prompt_wav/p243_313.wav
ernie-sat/run_clone_en_to_zh.sh
浏览文件 @
c2f4709e
# en --> zh 的 clone
python sedit_inference_0520.py
\
# en --> zh 的 语音合成
# 根据Prompt_003_new对应的语音: This was not the show for me. 来合成: '今天天气很好'
python inference.py
\
--task_name
cross-lingual_clone
\
--model_name
paddle_checkpoint_ench
\
--uid
Prompt_003_new
\
--new_str
'今天天气很好'
\
--prefix
./prompt/dev/
\
--clone_prefix
./prompt/dev_aishell3/
\
--clone_uid
SSB07510054
\
--source_language
english
\
--target_language
chinese
\
--output_name
task_cross_lingual_pred
.wav
\
--output_name
pred_zh
.wav
\
--voc
pwgan_aishell3
\
--voc_config
download/pwg_aishell3_ckpt_0.5/default.yaml
\
--voc_ckpt
download/pwg_aishell3_ckpt_0.5/snapshot_iter_1000000.pdz
\
...
...
ernie-sat/run_gen_en.sh
浏览文件 @
c2f4709e
# 纯英文的语音合成
# python sedit_inference_0518.py \
# --task_name synthesize \
# --model_name paddle_checkpoint_en \
# --uid p323_083 \
# --new_str 'I enjoy my life.' \
# --prefix ./prompt/dev/ \
# --source_language english \
# --target_language english \
# --output_name pred.wav \
# --voc pwgan_aishell3 \
# --voc_config download/pwg_aishell3_ckpt_0.5/default.yaml \
# --voc_ckpt download/pwg_aishell3_ckpt_0.5/snapshot_iter_1000000.pdz \
# --voc_stat download/pwg_aishell3_ckpt_0.5/feats_stats.npy \
# --am fastspeech2_ljspeech \
# --am_config download/fastspeech2_nosil_ljspeech_ckpt_0.5/default.yaml \
# --am_ckpt download/fastspeech2_nosil_ljspeech_ckpt_0.5/snapshot_iter_100000.pdz \
# --am_stat download/fastspeech2_nosil_ljspeech_ckpt_0.5/speech_stats.npy \
# --phones_dict download/fastspeech2_nosil_ljspeech_ckpt_0.5/phone_id_map.txt
# 根据p299_096对应的语音: This was not the show for me. 来合成: 'I enjoy my life.'
# 纯英文的语音合成
python sedit_inference_0520.py
\
python inference.py
\
--task_name
synthesize
\
--model_name
paddle_checkpoint_en
\
--uid
p299_096
\
...
...
@@ -28,7 +9,7 @@ python sedit_inference_0520.py \
--prefix
./prompt/dev/
\
--source_language
english
\
--target_language
english
\
--output_name
task_synthesize_
pred.wav
\
--output_name
pred.wav
\
--voc
pwgan_aishell3
\
--voc_config
download/pwg_aishell3_ckpt_0.5/default.yaml
\
--voc_ckpt
download/pwg_aishell3_ckpt_0.5/snapshot_iter_1000000.pdz
\
...
...
ernie-sat/run_sedit_en.sh
浏览文件 @
c2f4709e
# 纯英文的语音编辑
python sedit_inference_0520.py
\
# 将p243_new对应的原始语音: For that reason cover should not be given. 编辑成'for that reason cover is impossible to be given.'对应的语音
python inference.py
\
--task_name
edit
\
--model_name
paddle_checkpoint_en
\
--uid
p243_new
\
...
...
@@ -7,7 +9,7 @@ python sedit_inference_0520.py \
--prefix
./prompt/dev/
\
--source_language
english
\
--target_language
english
\
--output_name
task_edit_
pred.wav
\
--output_name
pred.wav
\
--voc
pwgan_aishell3
\
--voc_config
download/pwg_aishell3_ckpt_0.5/default.yaml
\
--voc_ckpt
download/pwg_aishell3_ckpt_0.5/snapshot_iter_1000000.pdz
\
...
...
ernie-sat/tmp/tmp_pkl.Prompt_003_new
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/tmp/tmp_pkl.p243_new
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/tmp/tmp_pkl.p299_096
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/util.py
→
ernie-sat/util
s
.py
浏览文件 @
c2f4709e
...
...
@@ -70,13 +70,15 @@ def get_voc_out(mel, target_language="chinese"):
print
(
"current vocoder: "
,
args
.
voc
)
with
open
(
args
.
voc_config
)
as
f
:
voc_config
=
CfgNode
(
yaml
.
safe_load
(
f
))
# print(voc_config)
voc_inference
=
get_voc_inference
(
args
,
voc_config
)
mel
=
paddle
.
to_tensor
(
mel
)
# print("masked_mel: ", mel.shape)
with
paddle
.
no_grad
():
wav
=
voc_inference
(
mel
)
print
(
"shepe of wav (time x n_channels):%s"
%
wav
.
shape
)
# (31800,1)
# print("shepe of wav (time x n_channels):%s"%wav.shape)
return
np
.
squeeze
(
wav
)
# dygraph
...
...
@@ -134,6 +136,7 @@ def get_am_inference(args, am_config):
def
evaluate_durations
(
phns
,
target_language
=
"chinese"
,
fs
=
24000
,
hop_length
=
300
):
args
=
parse_args
()
# args = parser.parse_args(args=[])
if
args
.
ngpu
==
0
:
paddle
.
set_device
(
"cpu"
)
elif
args
.
ngpu
>
0
:
...
...
@@ -154,6 +157,7 @@ def evaluate_durations(phns, target_language="chinese", fs=24000, hop_length=300
# acoustic model
am
,
am_inference
,
am_name
,
am_dataset
,
phn_id
=
get_am_inference
(
args
,
am_config
)
torch_phns
=
phns
vocab_phones
=
{}
for
tone
,
id
in
phn_id
:
...
...
@@ -165,17 +169,16 @@ def evaluate_durations(phns, target_language="chinese", fs=24000, hop_length=300
]
phone_ids
=
[
vocab_phones
[
item
]
for
item
in
phonemes
]
phone_ids_new
=
phone_ids
phone_ids_new
.
append
(
vocab_size
-
1
)
phone_ids_new
=
paddle
.
to_tensor
(
np
.
array
(
phone_ids_new
,
np
.
int64
))
normalized_mel
,
d_outs
,
p_outs
,
e_outs
=
am
.
inference
(
phone_ids_new
,
spk_id
=
None
,
spk_emb
=
None
)
pre_d_outs
=
d_outs
phoneme_durations_new
=
pre_d_outs
*
hop_length
/
fs
phoneme_durations_new
=
phoneme_durations_new
.
tolist
()[:
-
1
]
return
phoneme_durations_new
def
sentence2phns
(
sentence
,
target_language
=
"en"
):
args
=
parse_args
()
if
target_language
==
'en'
:
...
...
ernie-sat/wavs/ori.wav
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
ernie-sat/wavs/pred.wav
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/wavs/pred_en_edit_paddle_voc.wav
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/wavs/pred_zh.wav
浏览文件 @
c2f4709e
无法预览此类型文件
ernie-sat/wavs/pred_zh_fst2_voc.wav
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
ernie-sat/wavs/task_cross_lingual_pred.wav
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
ernie-sat/wavs/task_edit_pred.wav
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
ernie-sat/wavs/task_synthesize_pred.wav
已删除
100644 → 0
浏览文件 @
75dae192
文件已删除
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录