MMS TTS THAI FEMALE PODCAST

🚀 テキスト読み上げモデルの微調整と使用

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微調整し、使用するためのものです。GitHubのコードを利用してローカルで微調整することも、Google Colab上でトレーニングすることもできます。また、ローカルのコンピュータで使用することも可能です。

🚀 クイックスタート

• GitHubコードの微調整：Finetune GitHubコード
• Google Colabでのトレーニング：Finetune-colab を使用して、Google Colab上で独自に音声モデルをトレーニングできます。
• ローカルコンピュータでの使用：ローカルでの使用方法

💻 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/MMS-TTS-THAI-FEMALE-PODCAST",cache_dir="./mms")
model = VitsModel.from_pretrained("VIZINTZOR/MMS-TTS-THAI-FEMALE-PODCAST",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)