Speecht5 Tts KTH Hu

🚀 匈牙利語語音合成實驗項目

本項目是針對匈牙利語的SpeechT5微調實驗，利用特定數據集和基礎模型，實現了文本到語音的轉換功能。

🚀 快速開始

本項目是對匈牙利語進行的SpeechT5微調實驗。以下是使用該模型進行文本到語音轉換的示例代碼：

from transformers import SpeechT5Processor, SpeechT5ForTextToSpeech, SpeechT5HifiGan
from datasets import load_dataset
import torch
from IPython.display import Audio

processor = SpeechT5Processor.from_pretrained("microsoft/speecht5_tts")
model = SpeechT5ForTextToSpeech.from_pretrained("GaborMadarasz/speecht5_tts_KTH_hu")
vocoder = SpeechT5HifiGan.from_pretrained("microsoft/speecht5_hifigan")

inputs = processor(text="Azóta, hogy nem láttuk őket, nyolc esztendő telt el.", return_tensors="pt")

# load xvector containing speaker's voice characteristics from a dataset
embeddings_dataset = load_dataset("Matthijs/cmu-arctic-xvectors", split="validation")
speaker_embeddings = torch.tensor(embeddings_dataset[7406]["xvector"]).unsqueeze(0)

speech = model.generate_speech(inputs["input_ids"], speaker_embeddings, vocoder=vocoder)

# Jupyter audio 
Audio(speech, rate=16000)

📦 模型信息

📄 許可證

本項目採用MIT許可證。