XTTS V2 Argentinian Spanish

🚀 ⓍTTS 🇦🇷

ⓍTTS是一款语音生成模型，仅需一段6秒的音频片段，就能将语音克隆到不同语言中，无需大量长达数小时的训练数据。该模型由IdeaLab在国立里奥内格罗大学的CITECCA中训练而成。

✨ 主要特性

• 仅需6秒音频片段，即可实现语音克隆。
• 无需大量训练数据。
• 经过微调，具有阿根廷口音。

📦 安装指南

文档未提供安装步骤，故跳过此章节。

💻 使用示例

基础用法

使用🐸TTS命令行：

 tts --model_name /path/to/xtts/ \
     --text "Che boludo, vamos a tomar unos mates." \
     --speaker_wav /path/to/target/speaker.wav \
     --language_idx es \
     --use_cuda true

高级用法

直接使用模型：

from TTS.tts.configs.xtts_config import XttsConfig
from TTS.tts.models.xtts import Xtts

config = XttsConfig()
config.load_json("/path/to/xtts/config.json")
model = Xtts.init_from_config(config)
model.load_checkpoint(config, checkpoint_dir="/path/to/xtts/", eval=True)
model.cuda()

outputs = model.synthesize(
    "Che boludo, vamos a tomar unos mates.",
    config,
    speaker_wav="/data/TTS-public/_refclips/3.wav",
    gpt_cond_len=3,
    language="es",
)

📚 详细文档

语言

该模型的西班牙语已使用ylacombe的谷歌阿根廷西班牙语数据集进行微调，以实现阿根廷口音。

训练参数

batch_size=8,
grad_accum_steps=96,
batch_group_size=48,
eval_batch_size=8,
num_loader_workers=8,
eval_split_max_size=256,
optimizer="AdamW",
optimizer_wd_only_on_weights=True,
optimizer_params={"betas": [0.9, 0.96], "eps": 1e-8, "weight_decay": 1e-2},
lr=5e-06, 
lr_scheduler="MultiStepLR",
lr_scheduler_params={"milestones": [50000 * 18, 150000 * 18, 300000 * 18], "gamma": 0.5, "last_epoch": -1},

🔧 技术细节

文档未提供足够的技术实现细节，故跳过此章节。

📄 许可证

该模型遵循Coqui公共模型许可证。生成模型的许可证涉及诸多方面，你可以在此阅读CPML的起源故事。