Hindispeech

🚀 IndicF5: インド諸言語向けの高品質テキスト読み上げモデル

IndicF5 は、Rasa、IndicTTS、LIMMITS、IndicVoices-R から収集した1417時間の高品質音声データを用いて学習された、人間に近い多言語対応のテキスト読み上げ（TTS） モデルです。

IndicF5は、11種類のインド諸言語をサポートしています。 アッサム語、ベンガル語、グジャラート語、ヒンディー語、カンナダ語、マラヤーラム語、マラーティー語、オリヤー語、パンジャーブ語、タミル語、テルグ語

🚀 クイックスタート

📦 インストール

conda create -n indicf5 python=3.10 -y
conda activate indicf5
pip install git+https://github.com/ai4bharat/IndicF5.git

💻 使用例

基本的な使用法

音声を生成するには、以下の3つの入力が必要です。

1. 合成するテキスト – モデルに読み上げてもらいたい内容。
2. 参照用のプロンプト音声 – モデルの韻律や話者の特徴をガイドする音声クリップ。
3. 参照用プロンプト音声で話されたテキスト – 参照用プロンプト音声の文字起こし。

from transformers import AutoModel
import numpy as np
import soundfile as sf

# Hugging FaceからIndicF5をロード
repo_id = "ai4bharat/IndicF5"
model = AutoModel.from_pretrained(repo_id, trust_remote_code=True)

# 音声を生成
audio = model(
    "नमस्ते! संगीत की तरह जीवन भी खूबसूरत होता है, बस इसे सही ताल में जीना आना चाहिए.",
    ref_audio_path="prompts/PAN_F_HAPPY_00001.wav",
    ref_text="ਭਹੰਪੀ ਵਿੱਚ ਸਮਾਰਕਾਂ ਦੇ ਭਵਨ ਨਿਰਮਾਣ ਕਲਾ ਦੇ ਵੇਰਵੇ ਗੁੰਝਲਦਾਰ ਅਤੇ ਹੈਰਾਨ ਕਰਨ ਵਾਲੇ ਹਨ, ਜੋ ਮੈਨੂੰ ਖੁਸ਼ ਕਰਦੇ  ਹਨ।"
)

# 出力を正規化して保存
if audio.dtype == np.int16:
    audio = audio.astype(np.float32) / 32768.0
sf.write("namaste.wav", np.array(audio, dtype=np.float32), samplerate=24000)
print("Audio saved succesfully.")

サンプルのプロンプト音声は、こちらから入手できます。

📚 ドキュメント

利用規約

このモデルを使用することにより、明示的な許可を得た音声のみをクローンすることに同意するものとします。無許可での音声クローンは厳禁です。このモデルの誤用については、ユーザー自身が責任を負うものとします。

参考文献

F5-TTS の著者たちには、この研究への貴重な貢献とインスピレーションを提供してくれたことに感謝申し上げます。彼らの努力は、テキスト読み上げ合成の分野を前進させる上で重要な役割を果たしています。

📖 引用

もしあなたの研究やプロジェクトで IndicF5 を使用した場合は、以下のように引用を考慮してください。

🔹 BibTeX

@misc{AI4Bharat_IndicF5_2025,
  author       = {Praveen S V and Srija Anand and Soma Siddhartha and Mitesh M. Khapra},
  title        = {IndicF5: High-Quality Text-to-Speech for Indian Languages},
  year         = {2025},
  url          = {https://github.com/AI4Bharat/IndicF5},
}

情報テーブル