许可证：apache-2.0
语言：

• 英文
  库名称：transformers

FastSpeech2ConformerWithHifiGan

本模型将FastSpeech2Conformer与FastSpeech2ConformerHifiGan整合为单一模型，以提供更简洁便捷的使用体验。

FastSpeech2Conformer是一种非自回归的文本转语音（TTS）模型，融合了FastSpeech2和Conformer架构的优势，能够快速高效地从文本生成高质量语音；而HiFi-GAN声码器则负责将生成的梅尔频谱图转换为语音波形。

🤗 Transformers使用指南

您可以通过🤗 Transformers库本地运行FastSpeech2Conformer模型。

1. 首先安装🤗 Transformers库及g2p-en：

pip install --upgrade pip  
pip install --upgrade transformers g2p-en  

2. 通过整合模型与hifigan的Transformers建模代码进行推理

from transformers import FastSpeech2ConformerTokenizer, FastSpeech2ConformerWithHifiGan  
import soundfile as sf  

tokenizer = FastSpeech2ConformerTokenizer.from_pretrained("espnet/fastspeech2_conformer")  
inputs = tokenizer("你好，我的小狗很可爱。", return_tensors="pt")  
input_ids = inputs["input_ids"]  

model = FastSpeech2ConformerWithHifiGan.from_pretrained("espnet/fastspeech2_conformer_with_hifigan")  
output_dict = model(input_ids, return_dict=True)  
waveform = output_dict["waveform"]  

sf.write("speech.wav", waveform.squeeze().detach().numpy(), samplerate=22050)