VoiceCloning

โมเดลการโคลนนิ่งด้วยเสียงที่มี TTS เป็นศูนย์ความสนใจ

AI ที่ใช้ใน API นี้คือการใช้งาน TTS Multispeaker TTS ของ Youtts-shot-shot ของการสร้างแบบจำลองเสียงทั่วไป

กระดาษที่เสนอโมเดล YouTTS ถูกใช้เป็นหน่วยการสร้างส่วนกลางของ API Yourtts สำหรับวิธีการพูดได้หลายภาษาสำหรับ TTs หลายลำโพงที่ไม่ได้ยิงซึ่งสามารถใช้กับข้อมูลเสียงหลายภาษาในขณะที่สร้างแนวทางที่เก่ากว่า VITS

การใช้งานอ้างอิงที่ใช้ในการศึกษาแนวคิด TTS สามารถพบได้ที่นี่

แบบจำลองที่วิจัยภายใต้โอเพ่นซอร์สตามที่ได้รับจาก coqui

แบบอย่าง	url
ตัวเข้ารหัสลำโพง	การเชื่อมโยง
EXP 1. Yourtts-en (VCTK)	การเชื่อมโยง
exp 1. yourtts-en (vctk) + scl	การเชื่อมโยง
exp 2. Yourtts-en (VCTK) -pt	การเชื่อมโยง
exp 2. yourtts-en (vctk) -pt + scl	การเชื่อมโยง
exp 3. yourtts-en (vctk) -pt-fr	การเชื่อมโยง
exp 3. yourtts-en (vctk) -pt-fr scl	การเชื่อมโยง
exp 4. Yourtts-en (VCTK+Libritts) -pt-fr scl	การเชื่อมโยง

TTS การฝึกอบรมข้อมูลใหม่

เสียงสำหรับ MOS มีอยู่ที่นี่ นอกจากนี้ MOS เสียงอยู่ที่นี่

แหล่งเสียง TTS เริ่มต้น:

Libritts (ทดสอบสะอาด): 1188, 1995, 260, 1284, 2300, 237, 908, 1580, 121 และ 1089

VCTK: P261, P225, P294, P347, P238, P234, P248, P335, P245, P326 และ P302

MLS Portuguese: 12710, 5677, 12249, 12287, 9351, 11995, 7925, 3050, 4367 และ 1306

การอ้างอิง

@ARTICLE{2021arXiv211202418C,
  author = {{Casanova}, Edresson and {Weber}, Julian and {Shulby}, Christopher and {Junior}, Arnaldo Candido and {G{"o}lge}, Eren and {Antonelli Ponti}, Moacir},
  title = "{YourTTS: Towards Zero-Shot Multi-Speaker TTS and Zero-Shot Voice Conversion for everyone}",
  journal = {arXiv e-prints},
  keywords = {Computer Science - Sound, Computer Science - Computation and Language, Electrical Engineering and Systems Science - Audio and Speech Processing},
  year = 2021,
  month = dec,
  eid = {arXiv:2112.02418},
  pages = {arXiv:2112.02418},
  archivePrefix = {arXiv},
  eprint = {2112.02418},
  primaryClass = {cs.SD},
  adsurl = {https://ui.adsabs.harvard.edu/abs/2021arXiv211202418C},
  adsnote = {Provided by the SAO/NASA Astrophysics Data System}
}