WaveRNN

环境要求

• Python >= 3.6
• 已安装 Pytorch 1 且带 CUDA 支持
• 可用的 pip 包管理环境
• 如需自训练，需准备 LJSpeech 数据集

安装与启动步骤

1. 1克隆项目代码

   把 WaveRNN 仓库下载到本地，进入项目目录后再进行后续安装操作。

   git clone https://github.com/fatchord/WaveRNN.git
   cd WaveRNN

   复制

2. 2安装依赖

   安装项目其余 Python 依赖；Pytorch 1 with CUDA 需自行按官网方式先行安装。

   pip install -r requirements.txt

   复制

3. 3快速体验 TTS

   直接运行会读取默认 sentences.txt，生成结果输出到新的 quick_start 文件夹。

   python quick_start.py

   复制

4. 4自定义句子合成

   用 --input_text 指定文本合成；加 -u 走非批处理模式，音质更好但速度更慢。

   python quick_start.py -u --input_text "What will happen if I run this command?"

   复制

5. 5数据预处理

   自训练需先下载 LJSpeech 数据集，并把 hparams.py 里的 wav_path 指向数据集路径。

   python preprocess.py

   复制

6. 6训练 Tacotron

   先训练前端 Tacotron 模型，为后续 WaveRNN 提供声学特征输入。

   python train_tacotron.py

   复制

7. 7生成 GTA 数据集

   无论 Tacotron 是否训练完成，都可用该参数强制生成 GTA 数据集供 WaveRNN 训练。

   python train_tacotron.py --force_gta

   复制

关键配置

如何确认成功

quick_start 目录下生成 wav 音频文件与 attention 图，能正常播放即表示流程跑通。

常见问题

注意事项

• Pytorch 1 with CUDA 需按官网指引单独安装，requirements.txt 不含它。
• 合成结果默认输出到项目下新建的 quick_start 文件夹。
• README 中 WaveRNN 训练命令 py 被截断，未给出完整命令故本教程未列出。
• 自训练完整流程需按 Tacotron、GTA 数据集、WaveRNN 的顺序依次执行。