库名称：transformers 流水线标签：文本转语音 标签：

• transformers.js
• mms
• vits 许可证：cc-by-nc-4.0 数据集：
• ylacombe/google-colombian-spanish 语言：
• es

模型

这是基于Massively Multilingual Speech（MMS）西班牙语版本的微调模型，采用轻量级、低延迟的VITS架构构建。

仅使用哥伦比亚西班牙语数据集中的80至150个样本，在约20分钟内完成训练。

训练方法详见GitHub仓库：ylacombe/finetune-hf-vits。

使用方式

Transformers

from transformers import pipeline
import scipy

model_id = "ylacombe/mms-spa-finetuned-colombian-monospeaker"
synthesiser = pipeline("text-to-speech", model_id) # 如需使用GPU，添加device=0参数

speech = synthesiser("Hola, ¿cómo estás hoy?")

scipy.io.wavfile.write("finetuned_output.wav", rate=speech["sampling_rate"], data=speech["audio"])

Transformers.js

若未安装，可通过NPM安装Transformers.js库：

npm i @xenova/transformers

示例： 使用ylacombe/mms-spa-finetuned-colombian-monospeaker生成西班牙语语音。

import { pipeline } from '@xenova/transformers';

// 创建文本转语音流水线
const synthesizer = await pipeline('text-to-speech', 'ylacombe/mms-spa-finetuned-colombian-monospeaker', {
    quantized: false, // 删除此行可使用量化版本（默认）
});

// 生成语音
const output = await synthesizer('Hola, ¿cómo estás hoy?');
console.log(output);
// {
//   audio: Float32Array(69888) [ ... ],
//   sampling_rate: 16000
// }

可选步骤：将音频保存为wav文件（Node.js环境）：

import wavefile from 'wavefile';
import fs from 'fs';

const wav = new wavefile.WaveFile();
wav.fromScratch(1, output.sampling_rate, '32f', output.audio);
fs.writeFileSync('out.wav', wav.toBuffer());