Transformer-TTS 기반의 SMART-TTS의 Single speaker emotional TTS 모델입니다. 공개된 코드는 2020년도 과학기술통신부의 재원으로 정보통신기획평가원(IITP)의 지원을 받아 수행한 "소량 데이터만을 이용한 고품질 종단형 기반의 딥러닝 다화자 운율 및 감정 복제 기술 개발" 과제의 일환으로 공개된 코드입니다.

SMART-TTS_Single_Emotional 모델은 Transformer-TTS 모델을 기반으로 Reference로 부터 variable-length style embedding을 추출하여 반영하는 Unsupervised Style TTS 모델입니다.

연구실 내부 보유중인 한국어 다감정 (5감정) DB로 훈련한 pretrained model은 이곳에서 다운로드 받으실 수 있습니다.

Transformer-TTS 모델을 기반으로 하여 아래 부분들을 개선하였습니다.

Done

• Monotonic interpolation을 이용한 Attention failure 개선
• Sliding window attention masking을 이용한 Attention failure 개선 및 stop token 대체
• Variable-length style embedding 을 이용한 global & local style embedding 추출
• Scaled dot-product attention을 이용한 style conditioning
• STFT loss 추가
• SMART-Vocoder를 이용한 고품질 합성음
• Linear interpolation을 이용한 합성음 길이 조정

To do

• Multi-speaker TTS
• Speaker / Style disentanglement
• Speech rate conditioning
• Speaker & style learning from small dataset
• Style TTS with style tag conditioning

• python 3.7.9
• pandas 1.1.3
• pytorch 1.5.0
• librosa 0.8.0
• unidecode 1.1.1
• inflect 0.2.5
• g2pk 0.9.4
• tensorboardX 2.0
• torchvision 0.6.0
• tensorboard 2.1.1
• matplotlib 3.3.2

To preprocess mel spectrogram and linear spectrogram magnitude, run this command:

python prepare_data.py

To train the model, run this command:

python train_transformer.py

To evaluate, run:

python synthesize.py --rhythm_scale=1.0 --restore_step1=860000

Synthesized audio samples can be found in ./samples

현재 ./samples에 저장된 샘플들은 연구실 보유중인 DB를 사용해 학습한 샘플이며, 내년초 새로운 한국어 DB 공개 예정입니다.

• Transformer-TTS : https://github.com/soobinseo/Transformer-TTS
• SMART-Vocoder : https://github.com/SMART-TTS/SMART-G2P
• SMART-G2P : https://github.com/SMART-TTS/SMART-Vocoder

본 프로젝트 관련 개선사항들에 대한 기술문서는 여기를 참고해 주세요.