Tacotron2 Cv Females

🚀 卢干达语通用语音Tacotron2文本转语音（TTS）

本仓库提供了使用 SpeechBrain 进行文本转语音（TTS）所需的所有工具。预训练模型接收一段短文本作为输入，并输出频谱图。通过在生成的频谱图上应用声码器（如 HiFIGAN），可以得到最终的波形音频。

🚀 快速开始

安装 SpeechBrain

pip install speechbrain

请注意，我们建议您阅读我们的教程，以了解更多关于 SpeechBrain 的信息。

执行文本转语音（TTS）

import torchaudio
from speechbrain.inference.TTS import Tacotron2
from speechbrain.inference.vocoders import HIFIGAN

# 初始化 TTS（Tacotron2）和声码器（HiFIGAN）
tacotron2 = Tacotron2.from_hparams(source="sulaimank/tacotron2-cv-females", savedir="tmpdir_tts")
hifi_gan = HIFIGAN.from_hparams(source="speechbrain/tts-hifigan-ljspeech", savedir="tmpdir_vocoder")

# 运行 TTS
mel_output, mel_length, alignment = tacotron2.encode_text("Eddagala eryo lisigala mu nnyaanya okumala wiiki nga bbiri.")

# 运行声码器（频谱图转波形）
waveforms = hifi_gan.decode_batch(mel_output)

# 保存波形音频
torchaudio.save('example_TTS.wav',waveforms.squeeze(1), 22050)

如果您想一次性生成多个句子，可以按以下方式操作：

from speechbrain.pretrained import Tacotron2
tacotron2 = Tacotron2.from_hparams(source="speechbrain/TTS_Tacotron2", savedir="tmpdir")
items = [
       "A quick brown fox jumped over the lazy dog",
       "How much wood would a woodchuck chuck?",
       "Never odd or even"
     ]
mel_outputs, mel_lengths, alignments = tacotron2.encode_batch(items)

📦 数据集与模型信息

🔧 局限性

SpeechBrain 团队不对该模型在其他数据集上的性能提供任何保证。