Mms Spa Finetuned Chilean Monospeaker

🚀 語音轉換模型

本項目是基於大規模多語言語音（MMS）模型的西班牙文版本 Spanish version 進行微調後的版本。MMS 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 智利西班牙語數據集 上，僅使用 80 到 150 個樣本，在大約 20 分鐘 內完成訓練。

訓練方法可參考這個 GitHub 倉庫：ylacombe/finetune-hf-vits。

✨ 主要特性

• 基於 MMS 模型的西班牙文版本微調，適用於智利西班牙語。
• 輕量級、低延遲，訓練所需樣本少、時間短。

📦 安裝指南

安裝 Transformers.js

如果你還未安裝 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

使用 Transformers 庫

from transformers import pipeline
import scipy

model_id = "ylacombe/mms-spa-finetuned-chilean-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"])

使用 Transformers.js 庫

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

// 創建一個文本轉語音的管道
const synthesizer = await pipeline('text-to-speech', 'ylacombe/mms-spa-finetuned-chilean-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
// }

高級用法

使用 Transformers.js 庫將生成的語音保存為 wav 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。

你可以點擊下面的音頻播放示例：