语言: "cs" 标签:

• 捷克语
• SpeechT5
• KKY
• FAV 许可证: "cc-by-nc-sa-4.0"

SpeechT5-base-cs-tts

这是一个单语种捷克语SpeechT5基础模型，预训练数据包括12万小时的捷克语音频和一个包含175亿单词的大型捷克语文本语料库。该模型在TSD2024会议上发表的论文**《使用预训练捷克SpeechT5模型的零样本与少样本多说话人TTS》**中首次提出，旨在作为捷克语TTS微调的起点。

重要提示：这仅是一个预训练模型，尚未针对TTS任务进行训练。

微调后的语音示例可在https://jalehecka.github.io/TSD2024查看。

详情请参阅我们的论文。

论文

https://link.springer.com/chapter/10.1007/978-3-031-70566-3_5

预印本: http://arxiv.org/abs/2407.17167.

引用

如果您认为此模型有用，请引用我们的论文：

@InProceedings{10.1007/978-3-031-70566-3_5,
  author="Lehe{\v{c}}ka, Jan
    and Hanzl{\'i}{\v{c}}ek, Zden{\v{e}}k
    and Matou{\v{s}}ek, Jind{\v{r}}ich
    and Tihelka, Daniel",
  editor="N{\"o}th, Elmar
    and Hor{\'a}k, Ale{\v{s}}
    and Sojka, Petr",
  title="Zero-Shot vs. Few-Shot Multi-speaker TTS Using Pre-trained Czech SpeechT5 Model",
  booktitle="Text, Speech, and Dialogue",
  year="2024",
  publisher="Springer Nature Switzerland",
  address="Cham",
  pages="46--57",
  isbn="978-3-031-70566-3"
}

使用说明

这是SpeechT5模型的TTS变体，即输入模态为文本（通过文本预网络处理），输出模态为语音（通过语音后网络处理）。该模型格式与microsoft/speecht5_tts相同，兼容SpeechT5ForTextToSpeech类。

要将此模型用于文本转语音，必须在带标签的TTS数据上进行微调。

使用方法与microsoft/speecht5_tts相同。

相关研究