tts german pytorch

TTS German-Pytorch

تم تدريب Fastpitch (Arxiv) على Thorsten Müller's Thorsten-2022.10 و Thorsten-21.06-مجموعات بيانات.

عينات الصوت

يمكنك الاستماع إلى بعض عينات الصوت هنا.

إعداد سريع

الحزم المطلوبة: torch torchaudio pyyaml phonemizer

يرجى الرجوع إلى هنا لتثبيت phonemizer و espeak-ng الخلفية.

~ للتدريب: librosa matplotlib tensorboard

~ للتطبيق التجريبي: fastapi "uvicorn[standard]"

قم بتنزيل الأوزان المسبقة لرابط نموذج FastPitch.

قم بتنزيل أوزان Vocoder HIFI-GAN (الرابط). إما أن تضعهم في pretrained/hifigan-thor-v1 أو تحرير الأسطر التالية في configs/basic.yaml .

 # vocoder
vocoder_state_path : pretrained/hifigan-thor-v1/hifigan-thor.pth
vocoder_config_path : pretrained/hifigan-thor-v1/config.json 

باستخدام النماذج

FastPitch من models.fastpitch عبارة عن غلاف يبسط استنتاجًا من النص إلى MEL. يتضمن نموذج FastPitch2Wave Vocoder HIFI من أجل الاستدلال المباشر من النص إلى كلام.

استنتاج طيف ميل

 from models . fastpitch import FastPitch
model = FastPitch ( 'pretrained/fastpitch_de.pth' )
model = model . cuda ()
mel_spec = model . ttmel ( "Hallo Welt!" )

نص إلى طرف من نص إلى الكلام

 from models . fastpitch import FastPitch2Wave
model = FastPitch2Wave ( 'pretrained/fastpitch_de.pth' )
model = model . cuda ()
wave = model . tts ( "Hallo Welt!" )

wave_list = model . tts ([ "null" , "eins" , "zwei" , "drei" , "vier" , "fünf" ])

تطبيق الويب

يستخدم تطبيق الويب مكتبة Fastapi. لتشغيل التطبيق ، تحتاج إلى الحزم التالية:

Fastapi: لخلفية API | Uvicorn: لخدمة التطبيق

تثبيت مع: pip install fastapi "uvicorn[standard]"

تشغيل مع: python app.py

معاينة:

شكر وتقدير

بفضل Thorsten Müller لمجموعات البيانات عالية الجودة.

تنبع ملفات fastpitch من أمثلة Nvidia's DeepLearningex