库名称：transformers
语言：

• tr
  许可证：mit
  基础模型：microsoft/speecht5_tts
  标签：
• 文本转语音
• 训练生成
  数据集：
• erenfazlioglu/turkishvoicedataset
  模型索引：
• 名称：SpeechT5 TTS Turkish
  结果：[]

SpeechT5 TTS Turkish

本模型是基于microsoft/speecht5_tts在turkishvoicedataset数据集上微调的版本。
在评估集上取得了以下结果：

• 损失：0.3079

模型描述

需要更多信息

预期用途与限制

需要更多信息

训练与评估数据

需要更多信息

训练过程

训练超参数

训练过程中使用了以下超参数：

• 学习率：1e-05
• 训练批次大小：16
• 评估批次大小：8
• 随机种子：42
• 梯度累积步数：2
• 总训练批次大小：32
• 优化器：Adam，参数为betas=(0.9,0.999)和epsilon=1e-08
• 学习率调度器类型：线性
• 学习率预热步数：500
• 训练步数：6000
• 混合精度训练：Native AMP

训练结果

框架版本

• Transformers 4.45.0.dev0
• Pytorch 2.4.1+cu121
• Datasets 3.0.0
• Tokenizers 0.19.1

使用方法

安装

!pip install datasets soundfile speechbrain  

推理

from transformers import pipeline  
from datasets import load_dataset  
import soundfile as sf  
import torch  
from IPython.display import Audio  

synthesiser = pipeline("text-to-speech", "umarigan/speecht5_tts_tr_v1.0")  

embeddings_dataset = load_dataset("umarigan/turkish_voice_dataset_embedded", split="train")  
speaker_embedding = torch.tensor(embeddings_dataset[736]["speaker_embeddings"]).unsqueeze(0)  

# 使用嵌入合成语音  
speech = synthesiser("Bir berber bir berbere gel beraber bir berber kuralım demiş", forward_params={"speaker_embeddings": speaker_embedding})  

# 将生成的音频保存到文件  
sf.write("speech.wav", speech["audio"], samplerate=speech["sampling_rate"])  

# 在笔记本中播放音频  
Audio("speech.wav")