语言: "德语" 标签:

• 文本转语音
• TTS
• 语音合成
• Tacotron2
• speechbrain 许可证: "apache-2.0"

基于SpeechBrain框架，使用12天德语自定义数据集训练的Tacotron2文本转语音(TTS)模型。

当前训练了39个周期（英文speechbrain模型通常训练750个周期），因此仍有改进空间，模型预计很快会更新。幸运的是，hifigan声码器可跨语言通用。

使用方法

安装speechbrain。

pip install speechbrain

生成频谱图（第17行）并使用hifigan合成波形（第18行）。

import torchaudio
from speechbrain.pretrained import Tacotron2
from speechbrain.pretrained import HIFIGAN

# 初始化TTS（tacotron2）和声码器（HiFIGAN）
tacotron2 = Tacotron2.from_hparams(source="padmalcom/tts-tacotron2-german", savedir="tmpdir_tts")
hifi_gan = HIFIGAN.from_hparams(source="speechbrain/tts-hifigan-ljspeech", savedir="tmpdir_vocoder")

# 执行TTS
mel_output, mel_length, alignment = tacotron2.encode_text("阳光照耀了一整天。")

# 运行声码器（频谱图转波形）
waveforms = hifi_gan.decode_batch(mel_output)

# 保存波形文件
torchaudio.save('example_TTS.wav',waveforms.squeeze(1), 22050)