Canary Tts 0.5b

🚀 Canary-TTS-0.5B

Canary-TTS-0.5B 是一个基于文本转语音（TTS）技术的模型，它以 sbintuitions/sarashina2.2-0.5b-instruct-v0.1 为基础模型进行训练。该模型采用了与 Parler-TTS 相同的提示方式，通过更改控制提示和朗读提示，能够对声音质量进行精细控制。

🚀 快速开始

模型索引

• Canary-TTS 0.5B
• Canary-TTS 150M
• Canary-TTS Nano 150M β
• Canary-TTS Nano 150M β Just Sample

快速索引

• 模型
• 特性
• 安装
• 使用方法
  • 随机语音生成
  • 指定说话者
• 示例语音
• 致谢
• 许可证

✨ 主要特性

• 通过控制提示控制音高、性别和噪音。
• 通过朗读提示进行文本朗读。
• 基于 Parler-TTS 和 XCodec2 的代码构建。
• 基于 llama 构建，可转移 LLM 技术。

📦 安装指南

pip install torch torchvision torchaudio
pip install git+https://github.com/getuka/canary-tts.git

💻 使用示例

基础用法

import torch, torchaudio
from transformers import AutoModelForCausalLM, AutoTokenizer
from canary_tts.xcodec2.modeling_xcodec2 import XCodec2Model
from rubyinserter import add_ruby

tokenizer = AutoTokenizer.from_pretrained("2121-8/canary-tts-0.5b")
model = AutoModelForCausalLM.from_pretrained("2121-8/canary-tts-0.5b", device_map="auto", torch_dtype=torch.bfloat16)
codec = XCodec2Model.from_pretrained("HKUSTAudio/xcodec2")

description = "A man voice, with a very hight pitch, speaks in a monotone manner. The recording quality is very noises and close-sounding, indicating a good or excellent audio capture."
prompt = 'こんにちは。お元気ですか？'

prompt = add_ruby(prompt)
chat = [
    {"role": "system", "content": description},
    {"role": "user", "content": prompt}
]
tokenized_input = tokenizer.apply_chat_template(chat, add_generation_prompt=True, tokenize=True, return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(
        tokenized_input,
        max_new_tokens=256,
        top_p=0.95,
        temperature=0.7,
        repetition_penalty=1.05,
    )[0]

audio_tokens = output[len(tokenized_input[0]):]
output_audios = codec.decode_code(audio_tokens.unsqueeze(0).unsqueeze(0).cpu())
torchaudio.save("sample.wav", src=output_audios[0].cpu(), sample_rate=16000)

📚 详细文档

模型

示例语音

致谢

• Parler‑TTS 社区
• XCodec2 开发者

许可证

CC BY‑NC 4.0

版权信息

音频解码器

• 仓库: HKUSTAudio/xcodec2
• 许可证: CC BY‑NC 4.0

模型

• 仓库: sbintuitions/sarashina2.2-0.5b-instruct-v0.1
• 许可证: MIT 许可证

版权及使用免责声明

请遵守以下条件：

1. 适用性免责：创建者不对使用本模型所获得结果的准确性、合法性或适用性做任何保证。
2. 用户责任：使用本模型时，请遵守所有适用的法律法规。因生成内容而产生的所有责任均由用户承担。
3. 创建者免责：本仓库和模型的创建者不对版权侵权或其他法律问题承担任何责任。
4. 处理删除请求：如发生版权问题，将立即删除有问题的资源或数据。