blob: eb995489e595b3b58102182b39b96823c0aa8c41 (
plain)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
|
# 使い方
## 推奨環境
* Unix系のPython3.6.3
## 必要なライブラリのインストール
```bash
pip install -r requirements.txt
```
## 学習させる
学習用のPythonスクリプトを実行するには、`become_yukarin`ライブラリをパス（PYTHONPATH）に通す必要があります。
例えば`scripts/extract_acoustic_feature.py`を以下のように書いて、パスを通しつつ実行します。
```bash
PYTHONPATH=`pwd` python scripts/extract_acoustic_feature.py ---
```
## 第１段階の学習
* 音声データを用意する
* ２つのディレクトリに、入出力の音声データを置く（ファイル名を揃える）
* 音響特徴量切り出しをする
* scripts/extract_acoustic_feature.py
* 学習を回す
* train.py
* 実際に使用する
* scripts/voice_conversion_test.py
## 第２段階の学習
* 音声データを用意する
* １つのディレクトリの超大量の結月ゆかり音声データを置く
* 音響特徴量切り出しをする
* scripts/extract_spectrogram_pair.py
* 学習を回す
* train_sr.py
* 実際に使用する
* scripts/super_resolution_test.py
* 実際に使う
* SuperResolutionクラスとAcousticConverterクラスを使ってモデルを読み込ませればいい
* [サンプルコード](https://github.com/Hiroshiba/become-yukarin/blob/ipynb/show%20vc%20and%20sr.ipynb)
## 参考
* [ipynbブランチ](https://github.com/Hiroshiba/become-yukarin/tree/ipynb)に大量にサンプルが置いてある
## ファイル構造
```
├── become_yukarin # このディレクトリは外から使えることを想定
│ ├── __init__.py
│ ├── config.py # 学習の設定パラメータ
│ ├── data_struct.py # データ構造の定義
│ ├── dataset
│ │ ├── __init__.py
│ │ ├── dataset.py # データ処理
│ │ └── utility.py
│ ├── model.py # ニューラルネットワーク構造
│ ├── param.py # 音声パラメータ
│ ├── updater.py # chainerのUpdater
│ └── voice_changer.py # 学習済みモデルを使って声質変換
├── recipe
│ ├── config.json # 学習の設定パラメータ
│ └── recipe.json # 複数の学習を回す時のパラメータ
├── requirements.txt # 依存関係のあるライブラリ
├── scripts
│ ├── extract_acoustic_feature.py # 音響特徴量切り出し
│ ├── launch.py # 複数の学習を回す
│ ├── ln_apply_subset.py
│ ├── ln_atr503_to_subset.py
│ ├── ln_jnas_subset.py
├── tests
│ ├── __init__.py
│ └── test_dataset.py
└── train.py # 学習用のスクリプト
```
## License
[MIT License](./LICENSE)
|
