Vits Rasa 13

🚀 インド言語用VITS TTS

このリポジトリには、インドの言語に対してファインチューニングされたVITSベースのテキスト・トゥ・スピーチ（TTS）モデルが含まれています。このモデルは複数のインド言語をサポートし、幅広い話し方のスタイルや感情を表現できるため、対話型AIやオーディオブックなどの多様なユースケースに適しています。

🚀 クイックスタート

インド言語用VITS TTSモデルを使って、テキストを音声に変換することができます。以下のセクションでは、モデルの概要、インストール方法、使用例などを説明します。

✨ 主な機能

• 多言語対応：複数のインド言語をサポートします。
• 多様なスタイル：様々な話し方のスタイルや感情を表現できます。
• 話者ID：男性と女性の声のための事前定義された話者プロファイルがあります。

📦 インストール

必要なライブラリをインストールするには、以下のコマンドを実行します。

pip install transformers torch

💻 使用例

基本的な使用法

以下は、モデルを使ってテキストを音声に変換する基本的なコード例です。

import soundfile as sf
from transformers import AutoModel, AutoTokenizer

model = AutoModel.from_pretrained("ai4bharat/vits_rasa_13", trust_remote_code=True).to("cuda")
tokenizer = AutoTokenizer.from_pretrained("ai4bharat/vits_rasa_13", trust_remote_code=True)

text = "ਕੀ ਮੈਂ ਇਸ ਹਫਤੇ ਦੇ ਅੰਤ ਵਿੱਚ ਰੁੱਝਿਆ ਹੋਇਆ ਹਾਂ?"  # Example text in Punjabi
speaker_id = 16  # PAN_M
style_id = 0  # ALEXA

inputs = tokenizer(text=text, return_tensors="pt").to("cuda")
outputs = model(inputs['input_ids'], speaker_id=speaker_id, emotion_id=style_id)
sf.write("audio.wav", outputs.waveform.squeeze(), model.config.sampling_rate)
print(outputs.waveform.shape)

📚 ドキュメント

サポートされる言語

このモデルは以下のインド言語をサポートしています。

• Assamese
• Bengali
• Bodo
• Dogri
• Kannada
• Maithili
• Malayalam
• Marathi
• Nepali
• Punjabi
• Sanskrit
• Tamil
• Telugu

話者とスタイルの識別子の概要

以下の表は、利用可能な話者IDとスタイルIDを示しています。

📄 ライセンス

このプロジェクトはCC-BY-4.0ライセンスの下で提供されています。

📚 引用

もしあなたがこのモデルを研究で使用する場合は、以下のように引用してください。

@article{ai4bharat_vits_rasa_13,
  title={VITS TTS for Indian Languages},
  author={Ashwin Sankar},
  year={2024},
  publisher={Hugging Face}
}