Ttsvi

🚀 viⓍTTS

viⓍTTSは音声生成モデルで、たった6秒の音声クリップを使って、異なる言語に音声をクローンすることができます。このモデルは、XTTS - v2.0.3モデルからさらに微調整され、トークナイザーをベトナム語に拡張し、viVoiceデータセットで学習されました。

🚀 クイックスタート

viⓍTTSは、短い音声クリップを使って音声をクローンし、複数の言語に対応した音声生成が可能なモデルです。以下に、このモデルの概要や使用方法を説明します。

✨ 主な機能

対応言語

viXTTSは18の言語をサポートしています。英語 (en)、スペイン語 (es)、フランス語 (fr)、ドイツ語 (de)、イタリア語 (it)、ポルトガル語 (pt)、ポーランド語 (pl)、トルコ語 (tr)、ロシア語 (ru)、オランダ語 (nl)、チェコ語 (cs)、アラビア語 (ar)、中国語 (zh - cn)、日本語 (ja)、ハンガリー語 (hu)、韓国語 (ko)、ヒンディー語 (hi)、ベトナム語 (vi) です。

🔧 技術詳細

既知の制限事項

• [元のTTSライブラリ](https://github.com/coqui - ai/TTS)との互換性がありません（後でプルリクエストを行います）。
• ベトナム語で10語未満の入力文では性能が劣ります（出力が一貫性がなく、奇妙な末尾の音が生じることがあります）。
• このモデルはベトナム語でのみ微調整されています。ベトナム語以外の言語でのモデルの有効性はテストされておらず、品質が低下する可能性があります。

💻 使用例

デモ

デモについては、[このリポジトリ](https://github.com/thinhlpg/vixtts - demo)をご覧ください。

使い方

すぐに使うには、[このノートブック](https://colab.research.google.com/drive/1q9vA7mDyvK_u0ijDDNuycDoUUbryM3p3?usp = sharing)をご覧ください。

📄 ライセンス

このモデルはCoqui Public Model Licenseの下でライセンスされています。

📞 お問い合わせ

このモデルは、FPT University HCMCのThinh Leによって微調整され、Non Laの卒業論文の一部として作成されました。 連絡先は以下の通りです。

• Facebookで直接メッセージを送ることができます: https://fb.com/thinhlpg/ (推奨 🤗)
• GitHub: https://github.com/thinhlpg
• メール: thinhlpg@gmail.com または thinhlpgse161384@fpt.edu.vn