ForwardTacotron NVDA

تدعم ForwardTacotron و HIFI لقارئ شاشة NVDA

ملاحظة: لا تزال هذه الوظيفة الإضافية وكذلك الوثائق قيد الإنشاء. مساهماتك مرحب بها!

مقدمة

تذكر أن forwardtacotron هو نموذج توليف الكلام في pytorch يستخدم تنبؤ المدة لمحاذاة النص وتوليد طيف MEL. يتمتع هذا النموذج بمزايا ، مثل المتانة والسرعة والتلاعب والطاقة والكفاءة.

لذلك ، هذا البرنامج المساعد هو محاولة لتنفيذ الدعم لـ ForwardTacotron في قارئ الشاشة المفتوحة المصدر من NVDA عبر العميل/الخادم ، لأن المكتبات المستخدمة كشعلة لا يمكن تضمينها في NVDA مباشرة.

هذا عمل مستمر ، وبالتالي لا يزال هناك الكثير مما يجب فعله.

في غضون ذلك ، يمكنك الاستماع إلى التقدم الذي تم إحرازه حتى الآن.

عينات الصوت

لغة	صوت	عينة
إنجليزي	ljspeech (مع griffinlim vocoder)
إنجليزي	LJSPEEDE (مع HIFI-GAN VOCODER)
الأسبانية	مجموعة بيانات ALD (مع HIFI-GAN VOCODER)
الأسبانية	ODAL (مع HIFI-GAN VOCODER ، نموذج عالمي)

للقيام:

• طريقة لتجميع ودمج الخادم إلى الوظيفة الإضافية.
  • عندما يحدث هذا ، اسمح للخادم بالفتح عند تحميل المركب. بمجرد تحميل الخادم ، يمكننا الاتصال بالاتصال لجعل مزج الكلام جاهزًا للاستخدام.
  • يمكن إجراء نسختين للإضافة إلى الوظيفة الإضافية ، مع دعم وحدة المعالجة المركزية وواحد مع دعم GPU ، حيث يبدو أن التوليف يتم إنشاؤه في الوقت الفعلي على وحدة معالجة الرسومات. في غضون ذلك ، قد نلاحظ تباطؤ في وحدة المعالجة المركزية.
• دعم تغيير الصوت والطاقة في خيارات حلقة التوليف.
• في الوقت الحالي ، تستخدم الوظيفة الإضافية HTTPLIB2 للتواصل مع الخادم ، لكن يمكنني البحث عن طرق أخرى وإذا لزم إعادة كتابة جزء من الخادم.
• أضف دعمًا لتحميل الأصوات المختلفة التي يمكن اكتشافها في مجلد "Voice_Models".
  • مع هذا ، يمكن إضافة دعم لتنزيل النماذج المدربة. لدينا نموذج LJSPEED باللغة الإنجليزية ، وآخر باللغة الألمانية واثنان باللغة الإسبانية.
• بالنسبة إلى النماذج الأحدث متعددة المتحدثين ، يمكنه قراءة الإعدادات للتحقق ، وإذا كان الأمر كذلك ، فيمكنه اختيار الصوت من خيارات حلقة التوليف مع استشارة أسماء السماعات أولاً على النموذج.