Tts Vits Ru Hf

🚀 VITSモデル テキスト読み上げ（ロシア語）

このモデルは、ロシア語のテキストを音声に変換するText-to-Speechモデルです。入力テキストは小文字で受け付けます。

🚀 クイックスタート

必要なライブラリのインポート

from transformers import VitsModel, AutoTokenizer
import torch
import scipy

モデルとトークナイザーの読み込み

model = VitsModel.from_pretrained("joefox/tts_vits_ru_hf")
tokenizer = AutoTokenizer.from_pretrained("joefox/tts_vits_ru_hf")

テキストの準備

text = "Привет, как дел+а? Всё +очень хорош+о! А у тебя как?"
text = text.lower()

入力のトークン化

inputs = tokenizer(text, return_tensors="pt")
inputs['speaker_id'] = 3

音声の生成

with torch.no_grad():
    output = model(**inputs).waveform

音声ファイルの保存

scipy.io.wavfile.write("techno.wav", rate=model.config.sampling_rate, data=output[0].cpu().numpy())

Jupyter Notebook / Google Colabでの再生

from IPython.display import Audio
Audio(output, rate=model.config.sampling_rate)

💻 使用例

基本的な使用法

from transformers import VitsModel, AutoTokenizer
import torch
import scipy

model = VitsModel.from_pretrained("joefox/tts_vits_ru_hf")
tokenizer = AutoTokenizer.from_pretrained("joefox/tts_vits_ru_hf")

text = "Привет, как дел+а? Всё +очень хорош+о! А у тебя как?"
text = text.lower()
inputs = tokenizer(text, return_tensors="pt")
inputs['speaker_id'] = 3

with torch.no_grad():
    output = model(**inputs).waveform
    
scipy.io.wavfile.write("techno.wav", rate=model.config.sampling_rate, data=output[0].cpu().numpy())

高度な使用法

from IPython.display import Audio

Audio(output, rate=model.config.sampling_rate)

📚 ドキュメント

対応言語

• ロシア語 (ru_RU)

📄 ライセンス

このモデルはCC BY-NC 4.0ライセンスの下で提供されています。