Tacotron模型架构图
（1） 下载tacotron模型的实现到本地，这里是基于GitHub上一个tacotron模型的实现开展研究的，GitHub网址：https://github.com/keithito/tacotron，由于
谷歌没有给出tacotron模型的官方实现，这里给出了tacotron模型的非官方实现;
1) 研究是在linux下开展的，由于源码较多，只展示tacotron模型源码的基本结构如下：
2) 安装一些依赖项：
① 安装Python 3。
② 安装最新版本的TensorFlow。
③ 安装此模型的一些要求：pip install -r requirements.txt
requirements.txt 文件：
安装过程：
（2） 基于预先训练好的模型来进行语音和成：
1) 下载并解压缩模型：
curl http://data.keithito.com/data/speech/tacotron-20180906.tar.gz | tar xzC /tmp
2) 运行服务器，基于端口（9000）
python3 demo_server.py --checkpoint /tmp/tacotron-20180906/model.ckpt
3) 将浏览器指向localhost：9000，即可输入要合成的内容，并输出合成的音频
合成中：
合成完毕：
（3） 使用其他数据，训练，合成语音
1) 下载语音数据集，我们尝试下载了一些数据集，如LJ Speech（LJ语音数据集）；
2) 将数据集解压缩到 ai/tacotron（ai是我电脑下的一个目录）
解压缩后，对于LJ语音，对应的树如下所示：
tacotron
|- LJSpeech-1.1
|- metadata.csv
|- wavs
3) 预处理数据：
python3 preprocess.py --dataset ljspeech
4) 训练模型
python3 train.py
5) 从检查点合成
python3 demo_server.py –checkpoint ~/tacotron/logs-tacotron /model .ckpt-185000
可将“185000”替换为要使用的检查点编号，然后打开浏览器localhost:9000并键入您要说的内容，即可合成。
在使用其他数据集来训练和合成的时候，经常由于不知道参数的意义、如何设置，机器太慢，导致花了很长时间都没有效果，这一块没有做出理想的效果。