分享两个训练好的synthesizer模型

俩模型都是用最新的代码来训练的，不需要切换回0.0.1
第一个模型synthesizer-merged_110k，是在代码支持的四个数据集（aidatatang_200zh，magicdata，aishell3，data_aishell）上联合训练的。learning rate=0.001无衰减，batch size=128，iteration=110k。
第二个模型synthesizer-zhvoice_170k，是在[zhvoice](https://github.com/fighting41love/zhvoice)这个数据集上训练的。learning rate=0.001无衰减，batch size=128，iteration=170k。
两个模型我都已经测试过是可用的，不过第一个似乎比第二个好一点。我觉得问题是出在vocoder上，因为我现在用的vocoder(wavernn)并不是在zhvoice数据集上训练的，而我也懒得再训练一个vocoder。不过用hifigan的话效果倒是差不多，不过音色又有明显不同，挺有意思的。
关于训练，我这俩模型还是可以进一步优化的，现在第一个模型的loss是在0.24左右，第二个是在0.22左右，不过花的时间太久我就懒得继续训练了。
下面是下载链接：
[百度云](https://pan.baidu.com/s/1Gt2MQydfrreBi4htYhSUCQ) 密码: ir90
[Google Drive](https://drive.google.com/drive/folders/10LDxmZOto9ehPbZgTyvY2NzPEjHS4qdG?usp=sharing)

No files, tests, or code entry points are named. Start by reviewing the two model artifacts, their Baidu Cloud and Google Drive links, and the stated training details; clarify whether the intended outcome is to add, document, or maintain these models and what completion criteria apply.

Written by the indexing model from the issue text.