Tts Transformer Zh Cv7 Css10

🚀 tts_transformer-zh-cv7_css10

本项目是基于fairseq S^2的Transformer文本转语音模型（论文/代码）。该模型支持简体中文，采用单说话人女性语音，在Common Voice v7上预训练，并在CSS10上进行微调。

🚀 快速开始

本模型是基于fairseq S^2的文本转语音模型，支持简体中文，使用单说话人女性语音。

✨ 主要特性

• 支持简体中文文本转语音。
• 采用单说话人女性语音。
• 在Common Voice v7上预训练，在CSS10上微调。

📦 安装指南

暂未提及安装步骤，可参考相关依赖库的安装方式。

💻 使用示例

基础用法

from fairseq.checkpoint_utils import load_model_ensemble_and_task_from_hf_hub
from fairseq.models.text_to_speech.hub_interface import TTSHubInterface
import IPython.display as ipd


models, cfg, task = load_model_ensemble_and_task_from_hf_hub(
    "facebook/tts_transformer-zh-cv7_css10",
    arg_overrides={"vocoder": "hifigan", "fp16": False}
)
model = models[0]
TTSHubInterface.update_cfg_with_data_cfg(cfg, task.data_cfg)
generator = task.build_generator(model, cfg)

text = "您好，这是试运行。"

sample = TTSHubInterface.get_model_input(task, text)
wav, rate = TTSHubInterface.get_prediction(task, model, generator, sample)

ipd.Audio(wav, rate=rate)

更多参考

可参考 fairseq S^2 example 了解更多使用方法。

📄 许可证

暂未提及许可证相关信息。

📚 详细文档

暂未提供详细文档，可参考相关代码仓库和论文。

🔧 技术细节

暂未提供技术细节，可参考相关论文和代码仓库。

📚 引用信息

@inproceedings{wang-etal-2021-fairseq,
    title = "fairseq S{\^{}}2: A Scalable and Integrable Speech Synthesis Toolkit",
    author = "Wang, Changhan  and
      Hsu, Wei-Ning  and
      Adi, Yossi  and
      Polyak, Adam  and
      Lee, Ann  and
      Chen, Peng-Jen  and
      Gu, Jiatao  and
      Pino, Juan",
    booktitle = "Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing: System Demonstrations",
    month = nov,
    year = "2021",
    address = "Online and Punta Cana, Dominican Republic",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2021.emnlp-demo.17",
    doi = "10.18653/v1/2021.emnlp-demo.17",
    pages = "143--152",
}