1. conf
   1. logging_config.conf
2. scripts
   1. prepare_config_files.sh
      1. 准备当前流程的 时域配置参数文件
      2. 准备当前流程的 声学配置参数文件
   2. prepare_config_files_for_synthesis.sh
      1. 准备当前流程的语音合成时 时域 配置参数文件
      2. 准备当前流程的语音合成时 声学 配置参数文件
   3. prepare_labels_from_txt.sh
      1. 将文本转换为lab文件
         1. 1. 从txt文本使用前端工具生成scheme文件
         2. 2. 从scheme文件生成 utt文件
         3. 3. 将 festival utt转换为lab文件
         4. 4. state_align或phone_align，规范化lab
   4. remove_intermediate_files.sh
      1. 移除中间产生的文件
   5. run_phone_aligner.sh
      1. 执行音素对齐(phone align)
         1. 1. 使用festvox工具的ehmm clustergen做强制对齐
         2. 2. 将festival utts转换为lab文件
         3. 3. 规范化lab
   6. run_state_aligner.sh
      1. 执行状态对齐
         1. 1. 使用HTK的HVite做强制状态对齐
         2. 2. 先使用Festival前端工具准备无时间戳的上下文相关lab文件
   7. submit.sh
      1. 将theano训练任务提交到GPU
   8. test_nan.sh
3. 01_setup.sh
   1. 创建一些目录
      1. experiments/mandarin_voice
         1. acoustic_model
            1. data
            2. bap
            3. label_phone_align
            4. lf0
            5. mgc
            6. file_id_list.scp
            7. gen
            8. feed_forward_6_tanh
            9. inter_module
            10. binary_label_467
            11. nn_mgc_lf0_vuv_bap_187
            12. nn_norm_mgc_lf0_vuv_bap_187
            13. nn_no_silence_lab_471
            14. nn_no_silence_lab_norm_471
            15. ref_data
            16. var
            17. label_norm_HTS_471.dat
            18. norm_info_mgc_lf0_vuv_bap_187_MVN.dat
            19. log
            20. nnets_model
         2. duration_model
            1. data
            2. dur
            3. label_phone_align
            4. file_id_list.scp
            5. gen
            6. feed_forward_6_tanh
            7. inter_module
            8. binary_label_467
            9. nn_dur_1
            10. nn_norm_dur_1
            11. nn_no_silence_lab_norm_467
            12. ref_data
            13. var
            14. label_norm_HTS_467.dat
            15. norm_info_dur_1_MVN.dat
            16. log
            17. nnets_model
            18. feed_forward_6_tanh.model
         3. test_synthesis
            1. gen-lab
            2. prompt-lab
            3. test_id_list.scp
            4. wav
      2. database
         1. feats
            1. bap
            2. lf0
            3. mgc
         2. labels
            1. label_phone_align
         3. prompt-lab
            1. A11_0.lab
         4. wav
            1. A11_0.wav
   2. 将一些参数写入到global_setting.cfg中
      1. MerlinDir
      2. voice_name
      3. Label
         1. phone_align
      4. QuestionFIle
      5. Vocoder
         1. WORLD
      6. SamplingFreq
         1. 16000或48000
      7. SilencePhone
         1. sil
      8. FileIdList
      9. Train
      10. Valid
      11. Test
      12. ESTDIR
          1. tools/speech_tools
      13. FESTDIR
          1. tools/festival
      14. FESTVOXDIR
          1. tools/festvox
      15. HTKDIR
          1. tools/bin/htk
      16. 训练网络
      17. 工具集路径
4. 02_prepare_labels.sh
   1. 2.1 复制 database目录下的labels和prompt-lab文件到指定目录
   2. 2.2 生成文件列表
5. 03_prepare_acoustic_features.sh
   1. 3.1 使用声码器world/extract_features_for_merlin.py抽取声码特征
   2. 3.2 sp,mgc,ap,bap,f0,lf0复制到acoustic_model/data
6. 04_prepare_conf_files.sh
   1. 复制并修改conf/duration_mandarin_voice.conf
      1. 修改目录值
         1. MerlinDir
         2. WorkDir
         3. TOPLEVEL
         4. FileIdList
      2. 【Labels】
         1. 修改Label相关的配置项
            1. silence_pattern：修改为 ['*-sil+*']
            2. label_type : 修改为phone_align
            3. label_align：音素对齐文件目录mandarin_voice/duration_model/data/label_phone_align
            4. question_file_name问题集 : /misc/questions/questions-mandarin.hed
      3. 【Outputs】
         1. 输出配置
            1. state_align
            2. dur=5
            3. phone_align
            4. dur=1
      4. 【architechture】
         1. 神经网络的架构配置，如果当前声音文件是demo则修改hidden_layer_size
      5. 【data】
         1. 修改训练、验证、测试数据数量
            1. train_file_number: 200
            2. valid_file_number: 25
            3. test_file_number: 25
   2. 复制并修改conf/acoustic_mandarin_voice.conf
      1. 【Labels】
         1. 同duration
      2. 【architechture】
         1. 同duration
      3. 【data】
         1. 同duration
      4. 【outputs】
         1. mgc
         2. dmgc
         3. bap
         4. dbap
         5. lf0
         6. dlf0
      5. 【waveform】
         1. framelength
         2. minimum_phase_order
         3. fw_alpha
   3. 配置测试（或合成）语音相关的参数 scripts/prepare_config_files_for_synthesis.sh
      1. 需要配置duration和ascoustic参数。新增了【Processes】
7. 05_train_duration_model.sh
   1. 训练时域模型
      1. ./scripts/submit.sh merlin/src/run_merlin.py conf/duration_mandarin_voice.conf
         1. 关键参数
            1. 【paths】
            2. 中间目录： inter_data
            3. 训练集文件名列表： file_id_list
            4. test_id_list
            5. 输出的时域特征路径: in_dur_dir
            6. 【Labels】
            7. silence_pattern: ['*-sil+*']
            8. label_type: phone_align
            9. 对齐标注文件路径label_align: label_phone_align
            10. 问题集question_file_name: question-mandarin.hed
            11. add_frame_features: False
            12. subphone_feats: None
            13. 【output】
            14. dur : 1
            15. 【waveform】
            16. test_synth_dir : None
            17. 【architercture】
            18. 默认使用theano，网络层，学习率，epoch次数等
            19. 【data】
            20. 训练集，验证集，测试集数目
            21. 【Process】
            22. DurationModel: True
            23. GenTestList: False
            24. sub-process
            25. NORMLAB
            26. MAKEDUR
            27. MAKECMP
            28. NORMCMP
            29. TRAINDNN
            30. DNNGEN
            31. CALCMD
8. 06_train_acoustic_model.sh
   1. 训练声学特征模型
      1. ./scripts/submit.sh merlin/src/run_merlin.py conf/acoustic_mandarin_voice.conf
         1. 关键参数
            1. 【paths】
            2. 其他的与时域模型一样
            3. 输出的声学特征路径:
            4. in_mgc_dir
            5. in_bap_dir
            6. in_lf0_dir
            7. 工具路径： SPTK,straight,world,magphase
            8. 【Labels】
            9. 其他的与 时域模型一样
            10. add_frame_features
            11. True
            12. subphone_feats:
            13. coarse_codinig
            14. 【output】
            15. mgc
            16. 60
            17. dmgc
            18. 180
            19. bap
            20. 1
            21. dbap
            22. 3
            23. lf0
            24. 1
            25. dlf0
            26. 3
            27. 【waveform】
            28. vocoder_type
            29. WORLD
            30. samplerate
            31. 16000
            32. framelength
            33. 1024
            34. fw_alpha
            35. 0.58
            36. minimum_phase_order
            37. 511
            38. use_cep_ap
            39. True
            40. 【architercture】
            41. 同时域模型
            42. 【streams】那些特征会输出
            43. output_features
            44. [mgc,lf0,vuv,bap]
            45. gen_wav_features
            46. [mgc, lf0,bap]
            47. 【data】
            48. 同时域模型
            49. 【Process】
            50. AcousticModel: True
            51. GenTestList: False
            52. sub-process
            53. NORMLAB
            54. MAKECMP
            55. NORMCMP
            56. TRAINDNN
            57. DNNGEN
            58. CALCMD
            59. GENWAV
9. 07_run_merlin.sh
   1. 主要是main_function函数的执行
      1. 1 准备
         1. 读取配置文件
         2. 日志设置，画图
         3. 获取训练的相关文件列表，网络隐藏层参数
         4. 路径
            1. inter_data_dir
            2. nn_cmp_dir
            3. nn_cmp_norm_dir
            4. model_dir
            5. gen_dir
            6. nn_cmp_file_list
            7. nn_cmp_norm_file_list
            8. norm_info_file
            9. file_paths相关的路径
            10. binary_label_dir
            11. nn_label_dir
            12. nn_label_norm_dir
            13. in_label_align_file_list
            14. binary_label_file_list
            15. nn_label_file_list
            16. nn_label_norm_file_list
            17. label_norm_file
            18. test_id_list
      2. 【可选】标注数据的归一化NORMLAB
         1. label_normaliser对所有输入的HTS格式的标注文件做归一化
         2. 如果有其他新的特征，则将新特征合并到上面的HTS标注数据中
         3. 移除标注文件中所有的静音
      3. 【可选】数据是否最大最小值归一化MinMaxNormalisation
         1. 使用MinMaxNormalisation将标注数据归一化
      4. 【可选】是否输出时域文件MAKEDUR
         1. 为时域模型准备归一化的数据
      5. 【可选】是否输出声学文件MAKECMP
         1. 【可选】是否为测试集生成cmp
         2. 【可选】dur如果在特征关键词中，需要做对齐
         3. 移除静音
            1. 如果定义的是用binary_labels，则使用LabelComposer
            2. 如果定义的是用hts_labels，则使用SilenceRemover
      6. 【可选】对cmp数据归一化NORMCMP
         1. 【可选】是否计算MVN(MeanVarianceNorm)
            1. 计算训练集上的均值和标准差，并应用于整个数据集
         2. 【可选】是否计算MINMAX
            1. 计算整个训练集上的MinMAX
         3. 【可选】如果没有指定测试集
            1. 保存数据的归一化信息到文件
            2. 保存数据所有特征项(mgc,bap等)的全局标准差矩阵到文件
      7. 使用HTSLabelNormalisation获取标注数据的维度，在训练DNN之前需要知道
      8. 【可选】是否使用keras或者tensorflow
         1. 重新设置cfg配置项中的值
            1. 输入/输出维度
            2. 输入/输出特征路径
      9. 【可选】是否使用keras
         1. run_keras_with_merlin_io
      10. 【可选】是否使用tensorflow
          1. run_tensorflow_with_merlin_io
      11. 【可选】是否训练DNN TRAINDNN
          1. 载入协方差向量var_dict
          2. 获取cmp的最小最大值 cmp_min_max，均值和标准差向量
          3. 训练模型
             1. 使用keras： keras_instance
             2. 使用tensorflow： tf_instance
             3. 默认使用theano： train_DNN
      12. 【可选】是否从DNN中获取bottleneck特征 GENBNFEA
          1. 获得bottleneck的特征路径，尺寸
          2. 准备文件列表
          3. dnn_hidden_generation
      13. 从DNN中生成参数
      14. 【可选】是否生成测试列表 GenTestList
      15. 【可选】是否从DNN中生成预测结果参数 DNNGEN
          1. 准备要生成的文件列表
          2. 【3选1】使用keras
             1. test_keras_model
          3. 【3选1】使用tensorflow
             1. test_tensorflow_model
          4. 【3选1】使用theano
             1. dnn_generation
          5. 获取cmp_min_max
          6. 输出特征的normalisation方法
             1. MVN
             2. MINMAX
          7. 【可选】是否生成声学模型参数AcousticModel
             1. ParameterGeneration.acoustic_decomposition()
          8. 【可选】是否生成时域模型参数DurationModel
             1. 准备要生成的时域文件列表，标注文件列表，输入标注对齐文件列表
             2. ParameterGeneration.duration_decomposition()
             3. 修改标注HTSLabelModification.modify_duration_labels()
      16. 【可选】是否生成wav GENWAV
          1. generate_wav
      17. 【可选】是否生成测试列表 GenTestList
          1. 准备输入标注对齐文件列表，二进制标注文件列表，文件id列表
      18. 【可选】是否为时域模型评估MCD，CALMCD & DurationModel
          1. 准备引用文件ref_data和文件列表
          2. IndividualDistortionComp
          3. 移除静音
             1. 【2选1】remove_silence_using_binary_labels
             2. 【2选1】SilenceRemover.remove_silence
          4. 使用InvididualDistortionComp.compute_distortion计算rmse,corr
      19. 【可选】是否为声学模型计算MCD，CALMCD & AcousticModel
          1. 准备引用数据ref_data，以及引用的lf0文件列表
          2. 为各个声码器准备文件列表
             1. straight或者world
             2. ref_mgc_list
             3. ref_bap_list
             4. magphase
             5. ref_mag_list
             6. ref_real_list
             7. ref_imag_list
             8. GlottDNN
             9. ref_lsf_list
             10. ref_slsf_list
             11. ref_gain_list
             12. ref_hnr_list
             13. pulsemodel
             14. ref_pdd_list
          3. IndividualDistortionComp
          4. 【可选】是否使用二进制标注文件移除静音
             1. LabelComposer
          5. 根据in_dimension_dict中声码特征计算失真
             1. mgc
             2. bap
             3. lf0
             4. mag
             5. real
             6. imag
             7. lsf
             8. slsf
             9. hnr
             10. gain
             11. pdd
          6. 1. 移除静音（使用binary_labels或者hts_labels或者其他） 2. 使用IndividualDistortionComp计算失真
      20. 计算时域模型的rmse,corr
      21. 计算声码模型失真
10. run_demo.sh
    1. 简单的普通话语音合成示例，只使用了250句
11. run_mandarin_voice.sh
    1. 完整版的语音合成示例，使用了THSCH30数据集