在Tacotron训练Notebook中遇TypeError错误，求解决方案

错误分析 #

报错核心是mel()函数被传入5个参数，但该函数定义未接收任何参数。结合你提供的create_mels()代码，问题出在TacotronSTFT类内部的mel函数实现，而非create_mels()本身——给create_mels()加self完全无效，因为它不是类方法。

修复步骤 #

1. 修正语法错误
   你的save_mel函数最后一行末尾有多余的点，先删除：

   np.save(filename.replace('.wav', ''), melspec)  # 去掉末尾的.
   

2. 检查并修正TacotronSTFT类的mel函数
   找到layers模块中的TacotronSTFT类，确保其中的mel方法（或调用的外部mel函数）定义正确：

   • 如果mel是类成员方法，必须包含self参数，示例实现：

     class TacotronSTFT(nn.Module):
         def __init__(self, filter_length, hop_length, win_length, n_mel_channels, sampling_rate, mel_fmin, mel_fmax):
             super(TacotronSTFT, self).__init__()
             self.filter_length = filter_length
             self.mel_basis = librosa.filters.mel(
                 sr=sampling_rate, n_fft=filter_length,
                 n_mels=n_mel_channels, fmin=mel_fmin, fmax=mel_fmax
             )
             # 其他初始化代码
     
         def mel(self, specgram):
             # 正确接收self和输入频谱参数
             return torch.matmul(specgram, torch.from_numpy(self.mel_basis).float().to(specgram.device))
     
         def mel_spectrogram(self, audio):
             # 先计算线性频谱（需确保stft方法已正确实现）
             linear_spec = self.stft(audio)
             # 调用mel方法转换为梅尔频谱
             return self.mel(linear_spec)
     

   • 如果mel是独立函数，确保它接收所需的5个参数，示例：

     def mel(specgram, sampling_rate, n_mel_channels, mel_fmin, mel_fmax):
         mel_basis = librosa.filters.mel(
             sr=sampling_rate, n_fft=specgram.size(1),
             n_mels=n_mel_channels, fmin=mel_fmin, fmax=mel_fmax
         )
         return torch.matmul(specgram, torch.from_numpy(mel_basis).float().to(specgram.device))
     

3. 验证参数传递匹配
   确保你实例化TacotronSTFT时传入的hparams.filter_length等参数都已正确定义，且mel_spectrogram方法内部调用mel时的参数数量与mel函数定义完全匹配。

内容的提问来源于stack exchange，提问作者Tristan Killett