语言: "卢干达语" 标签:

• 文本转语音
• TTS
• 语音合成
• Tacotron2
• speechbrain 许可证: "apache-2.0" 数据集:
• SALT-TTS 评估指标:
• 平均意见得分(MOS)

Sunbird AI 基于卢干达语文本训练的文本转语音(TTS)模型

采用专业录音室数据训练的Tacotron2文本转语音系统

本仓库提供了使用SpeechBrain进行文本转语音(TTS)所需的全部工具。

预训练模型接收短文本输入并输出声谱图。通过在生成的声谱图上应用声码器(如HiFIGAN)即可获得最终波形。

安装SpeechBrain

pip install speechbrain

执行文本转语音(TTS)

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="/Sunbird/sunbird-lug-tts", savedir="tmpdir_tts")
hifi_gan = HIFIGAN.from_hparams(source="speechbrain/tts-hifigan-ljspeech", savedir="tmpdir_vocoder")

# 运行TTS
mel_output, mel_length, alignment = tacotron2.encode_text("Mbagaliza Christmass Enungi Nomwaka Omugya Gubaberere Gwamirembe")

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

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

如需批量生成多个句子，可采用如下方式：

from speechbrain.pretrained import Tacotron2
tacotron2 = Tacotron2.from_hparams(source="speechbrain/TTS_Tacotron2", savedir="tmpdir")

items = [
       "Nsanyuse okukulaba",
       "Erinnya lyo ggwe ani?",
       "Mbagaliza Christmass Enungi Nomwaka Omugya Gubaberere Gwamirembe"
     ]
mel_outputs, mel_lengths, alignments = tacotron2.encode_batch(items)

GPU推理

若需在GPU上执行推理，在调用from_hparams方法时添加run_opts={"device":"cuda"}参数。