Vits Icelandic Rosa Female Monospeaker

🚀 モデルIDのモデルカード

このモデルはアイスランド語のテキストを音声に変換するモデルです。facebook/mms-tts-isl をベースに、Talrómurデータセット (https://repository.clarin.is/repository/xmlui/handle/20.500.12537/330 参照) を用いてファインチューニングされています。

🚀 クイックスタート

このモデルはアイスランド語のテキスト読み上げアプリケーションに使用されます。

✨ 主な機能

• このモデルは🤗 transformersモデルで、Hub上に公開されています。
• 開発者: Sigurdur Haukur Birgisson
• モデルタイプ: VITS
• 言語: アイスランド語, isl
• ライセンス: [詳細情報が必要]
• ファインチューニング元のモデル: facebook/mms-tts-isl

💻 使用例

基本的な使用法

# このコードはモデルをロードし、テキストを入力して音声波形を生成するためのものです。
from transformers import VitsModel, AutoTokenizer
import scipy.io.wavfile as wav
import torch

model = VitsModel.from_pretrained("Sigurdur/vits_icelandic_rosa_female_monospeaker")
tokenizer = AutoTokenizer.from_pretrained("Sigurdur/vits_icelandic_rosa_female_monospeaker")

text = "Góðan daginn! Ég heiti Rósa, ég er talgervill"

inputs = tokenizer(text, return_tensors="pt")
with torch.no_grad():
  output = model(**inputs).waveform

sampling_rate = getattr(sampling_rate, "sampling_rate", 16000)  # Default to 16kHz if not set
if not (0 <= sampling_rate <= 65535):
    raise ValueError(f"Invalid sampling rate: {sampling_rate}")

waveform = output.squeeze().cpu().numpy()  # Remove batch dimension if present

高度な使用法

出力をファイルに保存する場合

# このコードは生成された音声波形をWAVファイルとして保存するためのものです。
wav.write("output.wav", rate=sampling_rate, data=waveform)

Jupyter Notebookで表示する場合

# このコードは生成された音声をJupyter Notebook内で再生するためのものです。
from IPython.display import Audio

# show audio player for "output.wav"
Audio(output, rate=sampling_rate)

⚠️ 重要提示

ユーザー（直接ユーザーと下流ユーザーの両方）は、このモデルのリスク、バイアス、および制限について認識する必要があります。さらなる推奨事項については、詳細情報が必要です。

💡 使用建议

このモデルの使用に際しては、モデルのバイアス、リスク、および技術的な制限について十分に理解してから利用することをおすすめします。

📄 ライセンス

[詳細情報が必要]

モデルカードの作成者

Sigurdur Haukur Birgisson

モデルカードの問い合わせ先

Linkedinを通じて私に連絡してください: Sigurdur Haukur Birgisson