Tacotron2 Cv Females

🚀 盧幹達語通用語音Tacotron2文本轉語音（TTS）

本倉庫提供了使用 SpeechBrain 進行文本轉語音（TTS）所需的所有工具。預訓練模型接收一段短文本作為輸入，並輸出頻譜圖。通過在生成的頻譜圖上應用聲碼器（如 HiFIGAN），可以得到最終的波形音頻。

🚀 快速開始

安裝 SpeechBrain

pip install speechbrain

請注意，我們建議您閱讀我們的教程，以瞭解更多關於 SpeechBrain 的信息。

執行文本轉語音（TTS）

import torchaudio
from speechbrain.inference.TTS import Tacotron2
from speechbrain.inference.vocoders import HIFIGAN

# 初始化 TTS（Tacotron2）和聲碼器（HiFIGAN）
tacotron2 = Tacotron2.from_hparams(source="sulaimank/tacotron2-cv-females", savedir="tmpdir_tts")
hifi_gan = HIFIGAN.from_hparams(source="speechbrain/tts-hifigan-ljspeech", savedir="tmpdir_vocoder")

# 運行 TTS
mel_output, mel_length, alignment = tacotron2.encode_text("Eddagala eryo lisigala mu nnyaanya okumala wiiki nga bbiri.")

# 運行聲碼器（頻譜圖轉波形）
waveforms = hifi_gan.decode_batch(mel_output)

# 保存波形音頻
torchaudio.save('example_TTS.wav',waveforms.squeeze(1), 22050)

如果您想一次性生成多個句子，可以按以下方式操作：

from speechbrain.pretrained import Tacotron2
tacotron2 = Tacotron2.from_hparams(source="speechbrain/TTS_Tacotron2", savedir="tmpdir")
items = [
       "A quick brown fox jumped over the lazy dog",
       "How much wood would a woodchuck chuck?",
       "Never odd or even"
     ]
mel_outputs, mel_lengths, alignments = tacotron2.encode_batch(items)

📦 數據集與模型信息

🔧 侷限性

SpeechBrain 團隊不對該模型在其他數據集上的性能提供任何保證。