数据集:

• ai4bharat/indicvoices_r
• ai4bharat/Rasa 语言:
• 阿萨姆语
• 孟加拉语
• 古吉拉特语
• 马拉地语
• 印地语
• 卡纳达语
• 马拉雅拉姆语
• 奥里亚语
• 旁遮普语
• 泰米尔语
• 泰卢固语 任务标签: 文本转语音

IndicF5：面向印度语言的高质量文本转语音系统

我们发布IndicF5——一个基于1417小时高质量语音数据训练的接近人类的多语言文本转语音(TTS)模型，数据来源包括Rasa、IndicTTS、LIMMITS和IndicVoices-R。

IndicF5支持11种印度语言： 阿萨姆语、孟加拉语、古吉拉特语、印地语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语、泰卢固语。

🚀 安装指南

conda create -n indicf5 python=3.10 -y
conda activate indicf5
pip install git+https://github.com/ai4bharat/IndicF5.git

🎙 使用说明

生成语音需要提供三个输入要素：

1. 待合成文本——需要模型朗读的内容
2. 参考提示音频——用于引导模型韵律和说话人特征的示例语音片段
3. 参考音频对应的文本——提示音频的文本转录

from transformers import AutoModel
import numpy as np
import soundfile as sf

# 从Hugging Face加载IndicF5
repo_id = "ai4bharat/IndicF5"
model = AutoModel.from_pretrained(repo_id, trust_remote_code=True)

# 生成语音
audio = model(
    "नमस्ते! संगीत की तरह जीवन भी खूबसूरत होता है, बस इसे सही ताल में जीना आना चाहिए.",
    ref_audio_path="prompts/PAN_F_HAPPY_00001.wav",
    ref_text="ਭਹੰਪੀ ਵਿੱਚ ਸਮਾਰਕਾਂ ਦੇ ਭਵਨ ਨਿਰਮਾਣ ਕਲਾ ਦੇ ਵੇਰਵੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਹੈਰਾਨ ਕਰਨ ਵਾਲੇ ਹਨ, ਜੋ ਮੈਨੂੰ ਖੁਸ਼ ਕਰਦੇ  ਹਨ।"
)

# 标准化并保存输出
if audio.dtype == np.int16:
    audio = audio.astype(np.float32) / 32768.0
sf.write("namaste.wav", np.array(audio, dtype=np.float32), samplerate=24000)
print("音频保存成功。")

示例提示音频可在此处获取。

使用条款

使用本模型即表示您同意仅克隆已获得明确授权的语音。未经授权的语音克隆行为严格禁止。任何滥用行为由使用者自行承担法律责任。

致谢

我们要特别感谢**F5-TTS**项目的作者们，他们的卓越贡献和创新理念对本工作产生了深远影响，对推动文本转语音领域发展起到了关键作用。

📖 引用规范

如在研究或项目中使用IndicF5，请引用：

🔹 BibTeX格式

@misc{AI4Bharat_IndicF5_2025,
  author       = {Praveen S V and Srija Anand and Soma Siddhartha and Mitesh M. Khapra},
  title        = {IndicF5: High-Quality Text-to-Speech for Indian Languages},
  year         = {2025},
  url          = {https://github.com/AI4Bharat/IndicF5},
}