🚀 摩洛哥达里贾语文本转语音模型

这是一个用于摩洛哥达里贾语的文本转语音（TTS）模型，它基于 OuteAI/OuteTTS - 0.2 - 500M 模型，在 KandirResearch/DarijaTTS - clean 数据集上进行了微调。该模型能够将摩洛哥达里贾语的文本转换为自然流畅的语音，为达里贾语的语音应用提供了有力支持。

🚀 快速开始

安装依赖

你可以按照以下步骤运行该模型，首先需要安装 outetts 和 llama - cpp - python：

pip install outetts llama-cpp-python huggingface_hub

运行模型

import outetts
from outetts.models.config import GenerationConfig
from huggingface_hub import hf_hub_download

model_path = hf_hub_download(
    repo_id="KandirResearch/DarijaTTS-v0.1-500M",
    filename="unsloth.Q8_0.gguf",
)
model_config = outetts.GGUFModelConfig_v2(
    model_path=model_path,
    tokenizer_path="KandirResearch/DarijaTTS-v0.1-500M",
)
interface = outetts.InterfaceGGUF(model_version="0.3", cfg=model_config)

def tts(text, temperature=0.3, repetition_penalty=1.1):
    gen_cfg = GenerationConfig(
        text=text,
        temperature=temperature,
        repetition_penalty=repetition_penalty,
        max_length=4096,
    )
    output = interface.generate(config=gen_cfg)
    output_path = "output.wav"
    output.save(output_path)
    return output_path

# 示例用法
audio_path = tts("السلام كيداير لاباس عليك؟")
print(f"生成的音频保存路径: {audio_path}")

✨ 主要特性

• 针对性强：专门为摩洛哥达里贾语设计，能更好地处理该语言的语音转换。
• 微调优化：基于 Unsloth 的 SFTTrainer 进行微调，提升了模型性能。
• 高效训练：采用 LoRA 基于的微调方法，提高了训练效率。

📦 安装指南

安装 outetts 和 llama - cpp - python 以及 huggingface_hub：

pip install outetts llama-cpp-python huggingface_hub

💻 使用示例

基础用法

import outetts
from outetts.models.config import GenerationConfig
from huggingface_hub import hf_hub_download

model_path = hf_hub_download(
    repo_id="KandirResearch/DarijaTTS-v0.1-500M",
    filename="unsloth.Q8_0.gguf",
)
model_config = outetts.GGUFModelConfig_v2(
    model_path=model_path,
    tokenizer_path="KandirResearch/DarijaTTS-v0.1-500M",
)
interface = outetts.InterfaceGGUF(model_version="0.3", cfg=model_config)

def tts(text, temperature=0.3, repetition_penalty=1.1):
    gen_cfg = GenerationConfig(
        text=text,
        temperature=temperature,
        repetition_penalty=repetition_penalty,
        max_length=4096,
    )
    output = interface.generate(config=gen_cfg)
    output_path = "output.wav"
    output.save(output_path)
    return output_path

# 示例用法
audio_path = tts("السلام كيداير لاباس عليك؟")
print(f"生成的音频保存路径: {audio_path}")

📚 详细文档

模型详情

训练信息

该模型使用 Unsloth 的 SFTTrainer 进行微调。数据集按照 OuteTTS 训练指南 进行预处理，并应用了基于 LoRA 的微调方法以提高效率。

📄 许可证

本项目采用 apache - 2.0 许可证。

支持作者

如果你觉得这个项目有帮助，可以点击下面的链接支持作者：

如果你在使用过程中遇到任何问题或有改进建议，欢迎发起讨论或提交 PR！