🚀 冰岛语文本转语音模型

这是一个冰岛语的文本转语音模型，它基于 facebook/mms-tts-isl 模型，并使用 Talrómur 数据集进行了微调（详见 https://repository.clarin.is/repository/xmlui/handle/20.500.12537/330）。该模型能够将冰岛语文本转换为自然流畅的语音，为冰岛语的语音应用提供了强大的支持。

🚀 快速开始

本模型适用于冰岛语的文本转语音应用。以下是使用该模型的基本步骤和示例代码。

基础用法

from transformers import VitsModel, AutoTokenizer
import scipy.io.wavfile as wav
import torch

model = VitsModel.from_pretrained("Sigurdur/vits_icelandic_rosa_female_monospeaker")
tokenizer = AutoTokenizer.from_pretrained("Sigurdur/vits_icelandic_rosa_female_monospeaker")

text = "Góðan daginn! Ég heiti Rósa, ég er talgervill"

inputs = tokenizer(text, return_tensors="pt")
with torch.no_grad():
  output = model(**inputs).waveform

sampling_rate = getattr(sampling_rate, "sampling_rate", 16000)  # Default to 16kHz if not set
if not (0 <= sampling_rate <= 65535):
    raise ValueError(f"Invalid sampling rate: {sampling_rate}")

waveform = output.squeeze().cpu().numpy()  # Remove batch dimension if present

保存输出到文件

wav.write("output.wav", rate=sampling_rate, data=waveform)

在 Jupyter Notebook 中查看

from IPython.display import Audio

# show audio player for "output.wav"
Audio(output, rate=sampling_rate)

✨ 主要特性

• 模型类型：VITS
• 语言支持：冰岛语（isl）
• 微调基础模型：facebook/mms-tts-isl
• 开发者：Sigurdur Haukur Birgisson
• 许可证：[待补充更多信息]

📚 详细文档

模型详情

这是一个 🤗 Transformers 模型的卡片，该模型已被推送到 Hugging Face Hub，此模型卡片是自动生成的。

用途

本模型专为冰岛语的文本转语音应用而设计。

偏差、风险和局限性

目前关于模型的偏差、风险和局限性的信息不足，需要更多的研究和数据来进一步明确。建议用户（直接用户和下游用户）了解模型可能存在的风险、偏差和局限性。

训练数据

目前关于训练数据的详细信息不足，需要更多的研究和数据来进一步明确。

训练超参数

• 训练机制：fp16

评估

目前关于模型评估的测试数据、评估因素和评估指标的详细信息不足，需要更多的研究和数据来进一步明确。

环境影响

可以使用 Lacoste 等人（2019） 提出的 机器学习影响计算器 来估算碳排放。目前关于硬件类型、使用时长、云服务提供商、计算区域和碳排放的详细信息不足，需要更多的研究和数据来进一步明确。

技术规格

目前关于模型架构和目标、计算基础设施（硬件和软件）的详细信息不足，需要更多的研究和数据来进一步明确。

引用

目前关于模型引用的 BibTeX 和 APA 信息不足，需要更多的研究和数据来进一步明确。

术语表

目前关于模型相关术语和计算的详细信息不足，需要更多的研究和数据来进一步明确。

更多信息

目前关于模型的更多详细信息不足，需要更多的研究和数据来进一步明确。

模型卡片作者

Sigurdur Haukur Birgisson

模型卡片联系方式

如需联系作者，请通过领英：Sigurdur Haukur Birgisson 。