Mms Spa Finetuned Colombian Monospeaker

🚀 語音轉換模型

本項目是基於大規模多語言語音（MMS）模型的西班牙語版本 Spanish version 進行微調的成果。MMS 模型是基於 VITS 架構 的輕量級、低延遲文本轉語音（TTS）模型。

該模型在 哥倫比亞西班牙語數據集 上進行訓練，僅用了大約 20 分鐘，使用了 80 到 150 個樣本。

訓練方案可在這個 GitHub 倉庫：ylacombe/finetune-hf-vits 中找到。

🚀 快速開始

✨ 主要特性

• 基於 MMS 模型的西班牙語版本微調，適用於哥倫比亞西班牙語。
• 訓練時間短，僅需約 20 分鐘。
• 所需樣本少，80 到 150 個樣本即可。

📦 安裝指南

Transformers.js

如果你還沒有安裝 Transformers.js JavaScript 庫，可以使用以下命令從 NPM 進行安裝：

npm i @xenova/transformers

💻 使用示例

基礎用法（Python - Transformers）

from transformers import pipeline
import scipy

model_id = "ylacombe/mms-spa-finetuned-colombian-monospeaker"
synthesiser = pipeline("text-to-speech", model_id) # 如果你想使用 GPU，可以添加 device=0

speech = synthesiser("Hola, ¿cómo estás hoy?")

scipy.io.wavfile.write("finetuned_output.wav", rate=speech["sampling_rate"], data=speech["audio"])

高級用法（JavaScript - Transformers.js）

import { pipeline } from '@xenova/transformers';

// 創建一個文本轉語音管道
const synthesizer = await pipeline('text-to-speech', 'ylacombe/mms-spa-finetuned-colombian-monospeaker', {
    quantized: false, // 移除這一行以使用量化版本（默認）
});

// 生成語音
const output = await synthesizer('Hola, ¿cómo estás hoy?');
console.log(output);
// {
//   audio: Float32Array(69888) [ ... ],
//   sampling_rate: 16000
// }

保存音頻到文件（Node.js）

import wavefile from 'wavefile';
import fs from 'fs';

const wav = new wavefile.WaveFile();
wav.fromScratch(1, output.sampling_rate, '32f', output.audio);
fs.writeFileSync('out.wav', wav.toBuffer());

📄 許可證

本項目採用 CC BY-NC 4.0 許可證。

示例音頻

信息表格