基于 RTVC-7 Voice Cloning Model 的 Cross-Lingual TTS 的三步走: 第二步 Tuned-EarSpeech 时 ASV-T-SNE

0. 说明

GE2E 的提取在: https://blog.youkuaiyun.com/u013625492/article/details/114433738, 第三章

张阳的目前是他直接帮忙提取的

现在分别画出这些的 T-SNE 图

代码很短, 放在: ASV-T-SNE 项目中

1. 张阳的 Speaker Embedding

• 选了 20 个说话人, random 了几次, 效果最好的拿了出来, 是这幅图~
• 如果选 30 个人的话, 说话人之间还是可能分不开

画图的代码在: https://github.com/ruclion/ASV-T-SNE

感谢张阳的帮助~

2. GE2E 的 Speaker Embedding

估计差不多, 先不画了

看看实验室有没有在观察 Embedding 上有经验的 TODO