-
你在預處理的時候，把TextGrid中空白區域變成sil，但infer的時候使用的處理卻是使用sp作為替代，似乎是使用未訓練的sp作為空白音的phoneme。
我測試的時候，發現似乎sp會因為訓練的問題，導致合成聲音會有滋滋聲。
然後想讓您給個建議，我目前35萬步的 200位語者200hr的聲音，但是語料內的語者在使用infer的時候，相似度似乎還是不高，雖然音質都不錯，有沒有什麼訓練上的建議…
-
### 需求描述 Feature Description
tensor.numpy()执行大量数据从GPU拷贝到CPU速度缓慢，5M数据执行tensor.numpy()耗费了1.4s，完全不可接受！啥原因呢？
### 替代实现 Alternatives
_No response_
-
大佬，我构建了多说话人数据集，修改了train.py和对应的配置文件。训练的模型发音混乱是为啥呀？说话人顺序不定，生成语音质量也差。
-
生成是成功的，调节语速也一样，就是最后一个字的半个音会被切掉是为什么
-
Share your Chinese synthesis results or mandrain model training questions.
-
i want to generate duration when executing [https://github.com/espnet/espnet/blob/master/egs2/aishell3/tts1/local/data.sh](url)
at stege 1, the shell executes [https://github.com/espnet/espnet/blob/m…
-
**Summary[问题简述（一句话）]**
我在实验室的机器上训练，使用的是我自己收集的，并且用aishell3数据集格式标注的数据，总是报这个错误（见截图）
**Env & To Reproduce[复现与环境]**
OS: CentOS 7
Python: Anaconda+python 3.8
pytorch:1.11.0
CUDA:11.4
**Screenshots[…
-
## Others
最近在aishell3数据集上训练fastspeech2模型的时候，遇到了几个问题想请教一下。
【说明】声码器是HiFiGAN，batch size为64，MFA使用的是1.x版本，在自己的数据集上训练的mfa模型
+ 问题1：不论是基于frame-level还是phoneme-level，在duration, energy和pitch上:在大约50k…
-
我用一张A100训练AIShell3，2天了才跑75个epoch，如果要达到预训练模型那种程度，必须要跑100K step才行吗，目前我好像66k step只能听到电流声，一点语音都没有
.
I have tried other models (such as joint fs2 hifigan, ta…