0. 说明
把 LJSpeech 的作为 reference, 以及 DataBaker EN 的
- 首先仍然用 7k 的那个 ckpt
- 虽然目前训练到了 126k, 但是保持和之前不跨语言的对比, 所以不用 (单独开一篇博客, 记录实验观察 (二))
1. 选取 Reference Speech
1.1. 选取音频
- 前 6 个是标贝双语, 分别是 2 个中, 2 个英, 2 个混合
- 然后两个是 LJSpeech
- 最后四个来源于 VCTK
- 注意, 采样率有的是 16k, 有的是 48k
把 LJSpeech 的作为 reference, 以及 DataBaker EN 的