庫名稱：transformers
語言：

• tr
  許可證：mit
  基礎模型：microsoft/speecht5_tts
  標籤：
• 文本轉語音
• 訓練生成
  數據集：
• erenfazlioglu/turkishvoicedataset
  模型索引：
• 名稱：SpeechT5 TTS Turkish
  結果：[]

SpeechT5 TTS Turkish

本模型是基於microsoft/speecht5_tts在turkishvoicedataset數據集上微調的版本。
在評估集上取得了以下結果：

• 損失：0.3079

模型描述

需要更多信息

預期用途與限制

需要更多信息

訓練與評估數據

需要更多信息

訓練過程

訓練超參數

訓練過程中使用了以下超參數：

• 學習率：1e-05
• 訓練批次大小：16
• 評估批次大小：8
• 隨機種子：42
• 梯度累積步數：2
• 總訓練批次大小：32
• 優化器：Adam，參數為betas=(0.9,0.999)和epsilon=1e-08
• 學習率調度器類型：線性
• 學習率預熱步數：500
• 訓練步數：6000
• 混合精度訓練：Native AMP

訓練結果

框架版本

• Transformers 4.45.0.dev0
• Pytorch 2.4.1+cu121
• Datasets 3.0.0
• Tokenizers 0.19.1

使用方法

安裝

!pip install datasets soundfile speechbrain  

推理

from transformers import pipeline  
from datasets import load_dataset  
import soundfile as sf  
import torch  
from IPython.display import Audio  

synthesiser = pipeline("text-to-speech", "umarigan/speecht5_tts_tr_v1.0")  

embeddings_dataset = load_dataset("umarigan/turkish_voice_dataset_embedded", split="train")  
speaker_embedding = torch.tensor(embeddings_dataset[736]["speaker_embeddings"]).unsqueeze(0)  

# 使用嵌入合成語音  
speech = synthesiser("Bir berber bir berbere gel beraber bir berber kuralım demiş", forward_params={"speaker_embeddings": speaker_embedding})  

# 將生成的音頻保存到文件  
sf.write("speech.wav", speech["audio"], samplerate=speech["sampling_rate"])  

# 在筆記本中播放音頻  
Audio("speech.wav")