、、

关于 prompt 梅尔谱的标准化

11

感谢大佬的开源！想请问可以分享一下 cmvn.ark 这个文件吗 🙏🏻🙏🏻🙏🏻 目前直接用没标准化的梅尔谱当 prompt，发音都很清晰，就是音色不太像，想看看标准化后的效果 🙏🏻🙏🏻🙏🏻 另外想确认下关于梅尔谱的参数： ``` prompt_wav, sr = librosa.load(prompt_src_wav_file, sr=16000) prompt = logmelspectrogram( x=prompt_wav.T, fs=16000, n_mels=80, n_fft=1024, n_shift=160, win_length=465, window="hann", fmin=80, fmax=7600).squeeze()[None, :, :] prompt =...

关于 vq_codebook

2

您好，请问 vq_codebook 也是来自 vq-wav2vec-kmeans 吗？注意到代码中加载的是 (2, 320, 256)，但是 vq-wav2vec-kmeans 中量化器的 embedding 的 shape 是 (320, 1, 256)，两个 codebook 是一样的吗？