🚀 ⓍTTS
ⓍTTS是一款语音生成模型,仅需一段6秒的音频片段,就能将语音克隆到不同语言中,无需大量长达数小时的训练数据。该模型与为Coqui Studio和Coqui API提供支持的模型相同或相似。
🚀 快速开始
你可以通过以下几种方式使用ⓍTTS模型:
使用🐸TTS API
from TTS.api import TTS
tts = TTS("tts_models/multilingual/multi-dataset/xtts_v2", gpu=True)
tts.tts_to_file(text="It took me quite a long time to develop a voice, and now that I have it I'm not going to be silent.",
file_path="output.wav",
speaker_wav="/path/to/target/speaker.wav",
language="en")
使用🐸TTS命令行
tts --model_name tts_models/multilingual/multi-dataset/xtts_v2 \
--text "Bugün okula gitmek istemiyorum." \
--speaker_wav /path/to/target/speaker.wav \
--language_idx tr \
--use_cuda true
直接使用模型
from TTS.tts.configs.xtts_config import XttsConfig
from TTS.tts.models.xtts import Xtts
config = XttsConfig()
config.load_json("/path/to/xtts/config.json")
model = Xtts.init_from_config(config)
model.load_checkpoint(config, checkpoint_dir="/path/to/xtts/", eval=True)
model.cuda()
outputs = model.synthesize(
"It took me quite a long time to develop a voice and now that I have it I am not going to be silent.",
config,
speaker_wav="/data/TTS-public/_refclips/3.wav",
gpt_cond_len=3,
language="en",
)
✨ 主要特性
- 支持17种语言。
- 仅需6秒音频片段即可进行语音克隆。
- 通过克隆实现情感和风格转移。
- 跨语言语音克隆。
- 多语言语音生成。
- 24kHz采样率。
🆕 相较于XTTS-v1的更新
- 新增2种语言:匈牙利语和韩语。
- 对说话人调节进行了架构改进。
- 支持使用多个说话人参考并在说话人之间进行插值。
- 稳定性提升。
- 整体韵律和音频质量更佳。
🌐 支持的语言
XTTS-v2支持17种语言:英语(en)、西班牙语(es)、法语(fr)、德语(de)、意大利语(it)、葡萄牙语(pt)、波兰语(pl)、土耳其语(tr)、俄语(ru)、荷兰语(nl)、捷克语(cs)、阿拉伯语(ar)、中文(zh-cn)、日语(ja)、匈牙利语(hu)、韩语(ko)、印地语(hi)。
我们会持续添加更多语言支持,若你有特定语言需求,欢迎随时反馈!
💻 使用示例
基础用法
上述快速开始部分的代码示例展示了基础的使用方式,例如使用API、命令行和直接调用模型进行语音合成。
高级用法
暂未提供高级用法的相关代码示例,你可以关注代码库获取更多信息。
📚 详细文档
演示空间
📄 许可证
该模型采用Coqui公共模型许可证。生成式模型的许可证涉及诸多方面,你可以在此阅读CPML的起源故事。
📞 联系我们
欢迎加入我们的🐸社区。我们活跃于Discord和Twitter,也可通过info@coqui.ai与我们邮件联系。