Tts Tacotron2 German

🚀 文本轉語音（TTS）模型

本項目使用Tacotron2模型，基於SpeechBrain框架，在自定義的德語數據集上進行訓練，該數據集包含12天的語音數據。此模型可實現文本轉語音功能，為德語語音合成提供支持。

🚀 快速開始

安裝依賴

首先，你需要安裝SpeechBrain庫。可以使用以下命令進行安裝：

pip install speechbrain

使用示例

基礎用法

以下代碼展示瞭如何使用訓練好的模型生成德語語音。代碼主要分為兩個步驟：一是生成頻譜圖，二是使用HiFi-GAN聲碼器將頻譜圖轉換為音頻文件。

import torchaudio
from speechbrain.pretrained import Tacotron2
from speechbrain.pretrained import HIFIGAN

# 初始化TTS（Tacotron2）和聲碼器（HiFi-GAN）
tacotron2 = Tacotron2.from_hparams(source="padmalcom/tts-tacotron2-german", 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("Die Sonne schien den ganzen Tag.")

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

# 保存波形為音頻文件
torchaudio.save('example_TTS.wav', waveforms.squeeze(1), 22050)

🔧 技術細節

本模型使用Tacotron2架構在自定義的德語數據集上進行訓練，訓練輪數為39輪（相比之下，英語的SpeechBrain模型通常訓練750輪），因此還有很大的改進空間，模型很可能會在不久後更新。幸運的是，HiFi-GAN聲碼器可以獨立於語言使用。

📄 許可證

本項目採用Apache-2.0許可證。