请求审核PR

[longRookie]

能否请您审核我的 PR 并提供反馈？我将不胜感激。
#3006

[lizezheng]

感谢贡献代码，在 review中了已经

[lym0302]

overlap_ratio：表示重叠率（overlap ratio）或者叫做帧移率（hop size ratio），等于n_fft/hop_size，默认为4（相比于设置为1和2，在设置为4时，实验的合成效果更好），参考paddle istft hop_length
overlap_ratio 设置为 4 这个是经过实验得出的结论吗？整体用目前这一套参数是训练出模型是可以正常的吗？因为和论文里的算法不太一样，所以需要和你确认下这一点

[lym0302]

pr 上提了两个意见，有空可以看下

[longRookie]

好的，感谢

[longRookie]

pr 上提了两个意见，有空可以看下

根据pr意见，均已经修改，目前CI的CodeStyle没有通过，但我force push 之前CI通过的代码，也没有通过CodeStyle，不知道是什么原因

[longRookie]

overlap_ratio：表示重叠率（overlap ratio）或者叫做帧移率（hop size ratio），等于n_fft/hop_size，默认为4（相比于设置为1和2，在设置为4时，实验的合成效果更好），参考paddle istft hop_length overlap_ratio 设置为 4 这个是经过实验得出的结论吗？整体用目前这一套参数是训练出模型是可以正常的吗？因为和论文里的算法不太一样，所以需要和你确认下这一点

我们复现的模型为C8C8I；
在https://github.com/rishikksh20/iSTFTNet-pytorch/blob/ecbf0f635b36432bd3e432790326591bc86cadbc/config_v1.json#L21 中同样采用的是hop_size=4, "n_fft": 1024,"hop_size": 256；

根据这三个参数应该在代码里面被算出来，我们将hop_size和n_fft设置为在代码中计算，overlap_ratio取4，来和论文中设置一致；

另外，我们也尝试了让overlap_ratio= 1, 2，合成的音质会有损失，我们认为这是因为nfft的减小带来了频率分辨率的降低影响了合成的音质。
在overlap_ratio=4时，具体得到的hop_size和nfft和论文不一致，这是因为paddlespeech中hifigan的采用upsample_rates和原始hifigan中不同，paddlespeech中为5,5,4,3，hifigan中为8,8,2,2，如果后两个元素的乘积为4，我们的hop_size和n_fft将和原论文一致，

训练模型是ok的，我们在对应的iSTFTNet.md中给出了50000次的hifigan和istftNet的预训练模型百度网盘链接和实验结果对比