Speecht5 Base Cs Tts

🚀 SpeechT5-base-cs-tts

這是一個單語種的捷克語SpeechT5基礎模型，它基於12萬小時的捷克語語音和一個包含175億個單詞的大型捷克語文本語料庫進行預訓練。該模型在論文《Zero-Shot vs. Few-Shot Multi-Speaker TTS Using Pre-trained Czech SpeechT5 Model》中被提出，此論文已被TSD2024會議接收。該模型旨在作為捷克語TTS微調的起始檢查點。

⚠️ 重要提示

這只是一個預訓練模型，尚未針對TTS任務進行訓練。

微調後語音的示例可在此處查看。詳情請參閱我們的論文。

🚀 快速開始

本模型是SpeechT5模型的TTS變體，即輸入模態為文本（通過文本預網絡處理），輸出模態為語音（通過語音後網絡處理）。該模型的格式與 microsoft/speecht5_tts 相同，並且與 SpeechT5ForTextToSpeech類 兼容。

若要將此模型用於文本轉語音，必須在帶標籤的TTS數據上進行微調。其使用方法與 microsoft/speecht5_tts 相同。

📚 詳細文檔

論文鏈接

• 正式版：https://link.springer.com/chapter/10.1007/978-3-031-70566-3_5
• 預印版：http://arxiv.org/abs/2407.17167

引用格式

如果您發現此模型有用，請引用我們的論文：

@InProceedings{10.1007/978-3-031-70566-3_5,
  author="Lehe{\v{c}}ka, Jan
    and Hanzl{\'i}{\v{c}}ek, Zden{\v{e}}k
    and Matou{\v{s}}ek, Jind{\v{r}}ich
    and Tihelka, Daniel",
  editor="N{\"o}th, Elmar
    and Hor{\'a}k, Ale{\v{s}}
    and Sojka, Petr",
  title="Zero-Shot vs. Few-Shot Multi-speaker TTS Using Pre-trained Czech SpeechT5 Model",
  booktitle="Text, Speech, and Dialogue",
  year="2024",
  publisher="Springer Nature Switzerland",
  address="Cham",
  pages="46--57",
  isbn="978-3-031-70566-3"
}

📄 許可證

本模型採用 "cc-by-nc-sa-4.0" 許可證。