mellotron:梅洛特隆

拉斐尔·瓦莱（Rafael Valle）*，杰森·李（Jason Li）*，瑞安·普伦格（Ryan Prenger）和布莱恩·卡坦扎罗（Bryan Catanzaro） 在我们最近的我们提出了Mellotron：基于Tacotron 2 GST的多扬声器语音合成模型，该模型可以进行语音表情和唱歌，而无需情感或唱歌训练数据。 通过明确地根据音频信号或乐谱中的节奏和连续音高等高线，Mellotron能够生成多种样式的语音，从朗读的语音到富有表现力的语音，从缓慢的抽奖到说唱，从单调的声音到唱歌的声音。 请访问我们的以获取音频样本。 先决条件 NVIDIA GPU + CUDA cuDNN 设置 克隆此仓库： git clone https://github.com/NVIDIA/mellotron.git CD进入此仓库： cd mellotron 初始化子模块： git submod