paddlespeech.t2s.models.vits.duration_predictor 模块

VITS中的随机持续时间预测模块。

此代码基于 https://github.com/jaywalnut310/vits。

class paddlespeech.t2s.models.vits.duration_predictor.StochasticDurationPredictor(channels: int = 192, kernel_size: int = 3, dropout_rate: float = 0.5, flows: int = 4, dds_conv_layers: int = 3, global_channels: int = -1)[来源]

基础： Layer

随机持续时间预测器模块。 这是一个随机持续时间预测器模块，如`Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech`_中描述的那样。 .. _`端到端的对抗学习条件变分自编码器

方法

__call__(*inputs, **kwargs)

将self作为一个函数调用。

add_parameter(name, parameter)

添加一个参数实例。

add_sublayer(name, sublayer)

添加一个子层实例。

apply(fn)

递归地将 fn 应用到每个子层（由 .sublayers() 返回）以及自身。

buffers([include_sublayers])

返回当前层及其子层中的所有缓冲区的列表。

children()

返回一个迭代器，遍历直接子层。

clear_gradients()

清除此层所有参数的梯度。

create_parameter(shape[, attr, dtype, ...])

为该层创建参数。

create_tensor([name, persistable, dtype])

为该层创建张量。

create_variable([name, persistable, dtype])

为该层创建张量。

eval()

将该层及其所有子层设置为评估模式。

extra_repr()

该层的额外表示，您可以自定义实现自己的层。

forward(x, x_mask[, w, g, inverse, noise_scale])

计算前向传播。参数： x (Tensor): 输入张量 (B, channels, T_text)。 x_mask (Tensor): 掩码张量 (B, 1, T_text)。 w (Optional[Tensor]): 持续时间张量 (B, 1, T_text)。 g (Optional[Tensor]): 全局条件张量 (B, channels, 1) inverse (bool): 是否反向流动。 noise_scale (float): 噪声缩放值。 返回： Tensor: 如果不反向，则返回负对数似然 (NLL) 张量 (B,)。 如果反向，则返回对数持续时间张量 (B, 1, T_text)。

full_name()

此层的完整名称，由 name_scope + "/" + MyLayer.__class__.__name__ 组成

load_dict(state_dict[, use_structured_name])

从 state_dict 设置参数和可持久化缓存。

named_buffers([prefix, include_sublayers])

返回一个迭代器，遍历层中的所有缓冲区，生成名称和张量的元组。

named_children()

返回一个直接子层的迭代器，同时提供层的名称和层本身。

named_parameters([prefix, include_sublayers])

返回一个迭代器，遍历层中的所有参数，生成名称和参数的元组。

named_sublayers([prefix, include_self, ...])

返回Layer中所有子层的迭代器，生成名称和子层的元组。

parameters([include_sublayers])

返回当前层及其子层的所有参数的列表。

register_buffer(name, tensor[, persistable])

将一个张量注册为该层的缓冲区。

register_forward_post_hook(hook)

为层注册一个前向后钩子。

register_forward_pre_hook(hook)

为层注册一个前向预钩子。

set_dict(state_dict[, use_structured_name])

从 state_dict 设置参数和可持久化的缓冲区。

set_state_dict(state_dict[, use_structured_name])

从state_dict设置参数和持久化缓冲区。

state_dict([destination, include_sublayers, ...])

获取当前层及其子层的所有参数和可持久化缓冲区。

sublayers([include_self])

返回子层的列表。

to([device, dtype, blocking])

通过给定的设备、数据类型和阻塞方式转换层的参数和缓冲区。

to_static_state_dict([destination, ...])

获取当前层及其子层的所有参数和缓冲区。

train()

将此层及其所有子层设置为训练模式。

向后

注册状态字典钩子
forward(x: Tensor, x_mask: Tensor, w: Optional[Tensor] = None, g: Optional[Tensor] = None, inverse: bool = False, noise_scale: float = 1.0) → Tensor[来源]

计算前向传播。 参数：

x (Tensor):

输入张量 (B, channels, T_text).

x_mask (Tensor):

掩码张量 (B, 1, T_text).

w (Optional[Tensor]):

持续时间张量 (B, 1, T_text).

g (Optional[Tensor]):

全局条件张量 (B, channels, 1)

inverse (bool):

是否反转流向。

noise_scale (float):

噪声尺度值。

Returns:
Tensor:

如果不是逆向，负对数似然（NLL）张量 (B,)。
如果是逆向，对数持续时间张量 (B, 1, T_text)。