数据集:

• ai4bharat/indicvoices_r
• ai4bharat/Rasa 支持语言:
• 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：印度语言高质量文本转语音系统

我们发布IndicF5，这是一个接近人类水平的多语言 **文本转语音（TTS）**模型，基于 Rasa、IndicTTS、LIMMITS 和 IndicVoices-R 的 1417小时 高质量语音数据训练而成。

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

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：

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 – 参考提示音频的转录文本。

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

# 从Hugging Face加载IndicF5
repo_id = "shethjenil/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。