关于speaker adapter的训练问题

[lturing]

关于speaker adapter的训练问题

[lturing]

你好，不是这样改的，类似EncoderConvolutions(is_training, hparams=hp, scope='encoder_convolutions')中的is_training主要用在dropout层中。

如果要finetune自己的数据，可以看这里，将tacotron_hparams.py中的tacotron_fine_tuning改为True，就是speaker adaptive 的训练

[yanglu1994]

好的好的，多谢，我试一下。还有一个问题，你给出的两个模型都是基于22050的采样率的，如果我finetune的数据的采样率是16k的话，我需要转换一下采样率么？转换之后效果会不会变差呢？finetune的时候是不是要保证采样率的基模型一致呢？wavernn和tacotron2的采样率是不是也得一致呢？

[lturing]

采样率是要保证一致的。效果的话，你可以试试。finetune只需要训练2k步左右，同时finetune wavernn前，可以先用grifin-lim生成wav，或者直接看合成的Mel频谱。
另外，可以用清华thchs30训练一个通用的MelGan声码器(melgan比wavernn速度要快)，有新说话人的话，就只用finetune tacotronv2。