tuotuoshao
commented
7 months ago 我突然想到我看到别人说过多人语料要保持音色语速差不多。当时我觉得音色要差不多那我还训练多人干嘛，但是语速要求差不多是不是有点道理。
我测试的音色和康辉都是标准普通话速度也差不多，而小团团语料是b站弄下来的，有没有可能是被小团团的不正常断句给影响到了。因为我还训练过一个emo电台主播语料，出来那断句频率就很高。
所以不同speaker_id的数据会影响所有人的效果？
刚玩这个的时候我只用了一个音色语料训练了200个迭代。后来我又重新来了一次训练，相比第一次多加了小团团和康辉的语料，同样是训练200次迭代。
结果两个模型中都有的那个speaker_id效果有差异，能明显感觉到三个语料一起训练的模型效果更差，具体体现在语句停顿上，该停的不停不该停的停。
我以为不同speaker_id的数据在训练时不应该有相互作用影响呀，那如果有影响，在多人训练时候该如何掌控各自效果？还是说即使是单语料训练每次同样的迭代出来的效果都不尽相同？