update

README.md

 # sambert-hifigan_pytorch
 
 ## 论文
-
 [RobuTrans: A Robust Transformer-Based Text-to-Speech Model](https://ojs.aaai.org/index.php/AAAI/article/view/6337)  
 [HiFi-GAN: Generative Adversarial Networks for Efficient and High Fidelity Speech Synthesis](https://arxiv.org/abs/2010.05646)
 
 ## 模型结构
-
 韵律建模sambert声学模型:在语音合成领域，类似FastSpeech的Parallel模型是目前的主流，它针对基频（pitch）、能量（energy）和时长（duration）三种韵律表征分别建模。但是，该类模型普遍存在一些效果和性能上的问题，例如，独立建模时长、基频、能量，忽视了其内在联系；完全非自回归的网络结构，无法满足工业级实时合成需求；帧级别基频和能量预测不稳定。 因此达摩院语音实验室设计了SAMBERT，一种基于Parallel结构的改良版TTS模型，它具有以下优点：
 1. Backbone采用Self-Attention-Mechanism(SAM)，提升模型建模能力。
 2. Encoder部分采用BERT进行初始化，引入更多文本信息，提升合成韵律。
@@ -55,16 +53,16 @@ cd /path/your_code_data/
 
 ```
 之后参考方法一。
-###Conda(方式三)
+
+### Conda(方式三)
+
 1. 创建conda虚拟环境：
 ```
 conda create -n <env_name> python=3.8
 ```
 2. 关于本项目DCU显卡所需的工具包、深度学习库等均可从[光合](https://www.hpccube.com/sso/login?service=https://developer.hpccube.com/tool/)开发者社区下载安装。
-```
 DTK驱动：[dtk23.10](https://cancon.hpccube.com:65024/1/main/DTK-23.10)
 pytorch:[1.13.1](https://cancon.hpccube.com:65024/4/main/pytorch/dtk23.10)
-```
 <table><tr><td bgcolor=gray>Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应。</td></tr></table>
 其它非深度学习库参照requirements.txt安装：
 
@@ -93,7 +91,7 @@ python3 wav_to_label.py --wav_data Data/ptts_spk0_wav
 ```
 bash feats_extract.sh
 ```
-注意修改相应的模型路径。
+注意修改相应的模型路径。  
 特征提取只需要运行一小段时间，提取完毕后你会在training_stage/test_male_ptts_feats目录下得到如下结构的文件：
 ```
 ├── am_train.lst