g2pE_mobile: A Simple Neural Network For English Grapheme To Phoneme Conversion(Just For OOV)

模型代码参考自： g2p

（一）架构

1. 训练&推理：pytorch+MNN；
2. 算法：encoder+decoder生成模型；

（二）功能

1. 训练英文g2p模型，用于处理TTS中OOV问题；
2. 转换成onnx->mnn，用于离线推理；

（三）训练&评估&推理

1. 训练模型

python train.py

2. 评估模型

修改train.py

if __name__ == "__main__":
    # set True for eval only,set False for train
    do_train(True)    

3. 模型推理

python inference.py

（四）Encoder、Decoder推理

当解码器遇到结束符时需要提前结束解码，在不修改先前模型基础上将Encoder、Decoder模块分别保存进行推理。

1. 保存Encoder、Decoder模型

python export_xcoder.py

2. 使用Encoder、Decoder推理

python inference_xcoder.py

（五）onnx中间格式

1. 转换onnx模型

python export_xcoder.py

2. 使用onnx推理

（没做）

（六）移动端MNN推理

1. onnx转换mnn模型

执行sh，注意脚本中修改MNNConvert路径

./export_mnn.sh

2. 使用mnn推理

模型加载与推理已经在demo_mnn/G2pEModel.cpp中实现，在C++代码中将类实例化进行推理，实测四核A35单个单词耗时毫秒级。