XTTS V2 Argentinian Spanish

🚀 ⓍTTS 🇦🇷

ⓍTTS是一款語音生成模型，僅需一段6秒的音頻片段，就能將語音克隆到不同語言中，無需大量長達數小時的訓練數據。該模型由IdeaLab在國立里奧內格羅大學的CITECCA中訓練而成。

✨ 主要特性

• 僅需6秒音頻片段，即可實現語音克隆。
• 無需大量訓練數據。
• 經過微調，具有阿根廷口音。

📦 安裝指南

文檔未提供安裝步驟，故跳過此章節。

💻 使用示例

基礎用法

使用🐸TTS命令行：

 tts --model_name /path/to/xtts/ \
     --text "Che boludo, vamos a tomar unos mates." \
     --speaker_wav /path/to/target/speaker.wav \
     --language_idx es \
     --use_cuda true

高級用法

直接使用模型：

from TTS.tts.configs.xtts_config import XttsConfig
from TTS.tts.models.xtts import Xtts

config = XttsConfig()
config.load_json("/path/to/xtts/config.json")
model = Xtts.init_from_config(config)
model.load_checkpoint(config, checkpoint_dir="/path/to/xtts/", eval=True)
model.cuda()

outputs = model.synthesize(
    "Che boludo, vamos a tomar unos mates.",
    config,
    speaker_wav="/data/TTS-public/_refclips/3.wav",
    gpt_cond_len=3,
    language="es",
)

📚 詳細文檔

語言

該模型的西班牙語已使用ylacombe的谷歌阿根廷西班牙語數據集進行微調，以實現阿根廷口音。

訓練參數

batch_size=8,
grad_accum_steps=96,
batch_group_size=48,
eval_batch_size=8,
num_loader_workers=8,
eval_split_max_size=256,
optimizer="AdamW",
optimizer_wd_only_on_weights=True,
optimizer_params={"betas": [0.9, 0.96], "eps": 1e-8, "weight_decay": 1e-2},
lr=5e-06, 
lr_scheduler="MultiStepLR",
lr_scheduler_params={"milestones": [50000 * 18, 150000 * 18, 300000 * 18], "gamma": 0.5, "last_epoch": -1},

🔧 技術細節

文檔未提供足夠的技術實現細節，故跳過此章節。

📄 許可證

該模型遵循Coqui公共模型許可證。生成模型的許可證涉及諸多方面，你可以在此閱讀CPML的起源故事。