KoreanTTS

Tacotron2 모델과 Vocoder모델(Griffinlim, Wavenet, MelGan)을 결합하여 한국어 TTS를 구현하는 프로젝트입니다.

Based on

• https://github.com/TensorSpeech/TensorFlowTTS

• https://github.com/hccho2/Tacotron2-Wavenet-Korean-TTS

• https://carpedm20.github.io/tacotron/

Dataset

1. Koran Single Speaker Speech

   • 전문여자성우(12시간, wav, 44100khz, 12853개, 3GB)

2. 배우 유인나 목소리

   • KBS 라디오 유인나의 볼륨을 높여요(3시간, wav, 16000khz, 3327개, 480.6MB)
   • Google Speech to Text API
   • Kakao Speech API

3. 반려동물 훈련사 강형욱 목소리

   • ETRI 한국어 인식 API

학습에 진행한 오디오 데이터는 저작권 문제로 공유하지 않습니다. 각 데이터 출처에서 확인해주세요.

• KSS: https://www.kaggle.com/bryanpark/korean-single-speaker-speech-dataset

• KBS 라디오: http://program.kbs.co.kr/2fm/radio/uvolum/pc/index.html

Preprocessing

1. wav 파일을 numpy 파일로 변환

2. ‘audio’, ‘mel’, ‘linear’, ‘text’ 등의 메타데이터를 묶어 저장

3. Data/kss/＂음성파일이름.npz＂ 생성

4. Mel-spectrogram, Linear-spectrogram 정답셋을 생성

Project 진행

총 4가지의 학습을 진행하였습니다.

1. Tacotron2 + GriffinLim + Singlespeaker

2. Tacotron2 + GriffinLim + Multispeaker(Deep Voice 2)

3. Tacotron2 + Melgan + Single Speaker

4. Tacotron2 + Melgan + Multispeaker (Transfer learning)

결과

1. Tacotron2 + GriffinLim + Multispeaker(KSS + 유인나) 중 KSS 데이터

   • Alignmnet (50000)

   

2. Tacotron2 + GriffinLim + Multispeaker(KSS + 유인나) 중 유인나 데이터

   • Alignment(90000)

   

3. Tacotron2 + MelGan + Singlespeaker(KSS)

   • Alignment(90000)