解説: OpenVINO Model Zoo WaveRNN(composite)

OpenVINO Model Zooにある wavernn (composite) というモデルの解説.

概要

mel2waveのWaveRNN Vocoder¹.
fatchordタイプ、すなわちResNetベースのPreNetをもちMoLパラメータを出力する.
fatchordのLJSpeech学習済みモデル（ljspeech.wavernn.mol.800k.zip）をONNX形式で配布^2,3.
wavernn_upsampler.onnx と wavernn_rnn.onnx に分割されているのでcomposite⁴.

コード

ONNXの再現手順が書かれており、以下がソースとなるコード群.

• openvinotoolkit/open_model_zoo - wavernn (composite): ONNX化コードとそれ用のgit patchが置いてある
• as-ideas/ForwardTacotron: Vocoder用にfatchordのWaveRNNを持っている
• fatchord/WaveRNN: モデルの発祥 & pretrained PyTorchモデル配布元

---

1. “WaveRNN performs waveform regression from mel-spectrogram.” from the model zoo↩

2. “The model was trained on LJSpeech dataset” from the model zoo↩

3. “We provide pre-trained models in ONNX format for user convenience.” from the model zoo↩

4. “the model is divided into two parts: wavernn_upsampler.onnx, wavernn_rnn.onnx.” from the model zoo↩