tacotron

收录理由

谷歌在2017年公开Tacotron论文时并未附上源码，这个TensorFlow复现项目因此成为许多人研究原始端到端方案的入口。它绕开了传统上把文本分析与声学建模拆成多个独立环节的做法，直接让模型从（文本，音频）配对中学习，这也是该论文最具影响力的核心思想。仓库自带一个预训练好的模型文件，配套的演示服务器能让你在浏览器里输入一句话，几分钟内就听到合成语音，完全不需要碰训练数据。如果你想自己训练声音，文档里也写了数据预处理流程，比如用LJ Speech数据集，以及如何在TensorBoard里观察训练进度。需要注意的是，它面向的是TensorFlow 1.x和2018年前后的技术水平，更适合作为学习参考，而不是直接塞进现代TTS系统里的组件。