MMS TTS THAI FEMALEV2

🚀 テキスト読み上げモデルのファインチューニングと使用

このプロジェクトは、タイ語のテキスト読み上げモデルをファインチューニングし、使用するためのものです。GitHubのコードやGoogle Colabを利用して、独自の音声モデルをトレーニングできます。また、ローカルのコンピュータでも使用可能です。

🚀 クイックスタート

• ファインチューニングコード: Finetune GitHubコード
• Google Colabでのトレーニング: Finetune-colab
• ローカルコンピュータでの使用: ローカル使用コード

💻 使用例

基本的な使用法

import torch
from transformers import VitsTokenizer, VitsModel, set_seed
import scipy

tokenizer = VitsTokenizer.from_pretrained("VIZINTZOR/VIZINTZOR/MMS-TTS-THAI-FEMALEV2",cache_dir="./mms")
model = VitsModel.from_pretrained("VIZINTZOR/VIZINTZOR/MMS-TTS-THAI-FEMALEV2",cache_dir="./mms")

inputs = tokenizer(text="สวัสดีค่ะ นี่คือเสียงพูดภาษาไทย", return_tensors="pt")

set_seed(456)  # make deterministic

with torch.no_grad():
   outputs = model(**inputs)

waveform = outputs.waveform[0]

# Convert PyTorch tensor to NumPy array
waveform_array = waveform.numpy()

scipy.io.wavfile.write("techno_output.wav", rate=model.config.sampling_rate, data=waveform_array)