• 入力された音声を
• ディープラーニングってやつと
• ささやきフィルタで
• ささやき声に変換する

• numpy (v1.13.0)
• scipy (v0.17.1)
• pyworld (v0.2.1b0)
• pysptk (v0.1.7)
• h5py (v2.6.0)
• chainer (v2.0.1)
• cupy (v1.0.1)
• Cython (v0.26)

Ubuntu 14.04 (64 bit) w/ NVIDIA Quadro K620

1. 音声データを用意する (同一発話内容・同名の wav ファイルを data/wav 以下に配置, ディレクトリ名とかは適宜変更)
2. F0分析パラメータを調整する → python scripts/pyworld_test.py {minF0} {maxF0} {name_of_spearker} で頑張って探す
3. 良さ気なパラメータを train.csh の minf0_s, maxf0_s, minf0_t, maxf0_t にセットする (s: 変換元話者, t: 変換先話者)
4. その他のパラメータも適当に設定する (特に気にしなければデフォルトでOK)
5. csh train.csh {input_wav} {output_wav}

• train.csh の flags をいじると，学習だけできるようになったりする (TRGENだけ1にする)