Mms Spa Finetuned Colombian Monospeaker

🚀 音声合成モデル（Transformers）

このライブラリは、テキストを音声に変換するモデルを提供します。Transformersライブラリをベースに構築され、多言語対応の音声合成を実現します。

🚀 クイックスタート

このモデルは、Massively Multilingual Speech (MMS) モデルのスペイン語バージョンを微調整したものです。MMSモデルは、VITSアーキテクチャに基づく軽量で低レイテンシーのTTSモデルです。

このモデルは、コロンビアスペイン語データセットを使用して、わずか80〜150サンプルで約20分で学習されました。

学習のレシピは、このGitHubリポジトリ: ylacombe/finetune-hf-vitsで入手できます。

✨ 主な機能

• 軽量で低レイテンシーのTTSモデル
• 少ないデータサンプルでの高速学習
• コロンビアスペイン語に特化した音声合成

📦 インストール

Transformers.jsのインストール

npm i @xenova/transformers

💻 使用例

基本的な使用法

Transformersを使用したPythonコード

from transformers import pipeline
import scipy

model_id = "ylacombe/mms-spa-finetuned-colombian-monospeaker"
synthesiser = pipeline("text-to-speech", model_id) # add device=0 if you want to use a GPU

speech = synthesiser("Hola, ¿cómo estás hoy?")

scipy.io.wavfile.write("finetuned_output.wav", rate=speech["sampling_rate"], data=speech["audio"])

Transformers.jsを使用したJavaScriptコード

import { pipeline } from '@xenova/transformers';

// Create a text-to-speech pipeline
const synthesizer = await pipeline('text-to-speech', 'ylacombe/mms-spa-finetuned-colombian-monospeaker', {
    quantized: false, // Remove this line to use the quantized version (default)
});

// Generate speech
const output = await synthesizer('Hola, ¿cómo estás hoy?');
console.log(output);
// {
//   audio: Float32Array(69888) [ ... ],
//   sampling_rate: 16000
// }

高度な使用法

音声をwavファイルに保存する（Node.js）

import wavefile from 'wavefile';
import fs from 'fs';

const wav = new wavefile.WaveFile();
wav.fromScratch(1, output.sampling_rate, '32f', output.audio);
fs.writeFileSync('out.wav', wav.toBuffer());

サンプル音声

📄 ライセンス

このモデルは、Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)ライセンスの下で提供されています。