zhtts

ขอแนะนำให้ใช้ Paddlespeech เพื่อทำการสังเคราะห์การออกเสียงภาษาจีน

zhtts

ชาวจีน

การสาธิตของข้อความ ZH/ภาษาจีนไปยังระบบการพูดทำงานบน CPU แบบเรียลไทม์ (FastSpeech2 + Mbmelgan)

RTF (ปัจจัยเรียลไทม์): 0.2 พร้อม CPU: Intel (R) Core (TM) I5-7200U CPU @ 2.50GHz 24KHz Audio ใช้ FastSpeech2, RTF1.6 สำหรับ Tacotron22

repo นี้ ส่วนใหญ่ขึ้นอยู่กับ tensorflowtts ที่มีการปรับปรุงเพียงเล็กน้อย

• โมเดล tflite มาจาก colab, thx ถึง @azraelkuan
• เพิ่มหยุดชั่วคราวที่เครื่องหมายวรรคตอน
• เพิ่ม TN (การทำให้เป็นปกติของข้อความ) จาก chinese_text_normalization

การสาธิต wav

text = "ในปี 2020 นี่คือระบบการสังเคราะห์เสียงแบบครบวงจรแบบโอเพนซอร์ส"

ZHTTS SYNTHESIS MP3

ติดตั้ง

 pip install zhtts

หรือโคลน repo นี้จากนั้น pip install .

การใช้งาน

 import zhtts

text = "2020年，这是一个开源的端到端中文语音合成系统"
tts = zhtts . TTS () # use fastspeech2 by default

tts . text2wav ( text , "demo.wav" )
> >> Save wav to demo . wav

tts . frontend ( text )
> >> ( '二零二零年，这是一个开源的端到端中文语音合成系统' , 'sil ^ er4 #0 l ing2 #0 ^ er4 #0 l ing2 #0 n ian2 #0 #3 zh e4 #0 sh iii4 #0 ^ i2 #0 g e4 #0 k ai1 #0 ^ van2 #0 d e5 #0 d uan1 #0 d ao4 #0 d uan1 #0 zh ong1 #0 ^ uen2 #0 ^ v3 #0 ^ in1 #0 h e2 #0 ch eng2 #0 x i4 #0 t ong3 sil' )

tts . synthesis ( text )
> >> array ([ 0. , 0. , 0. , ..., 0. , 0. , 0. ], dtype = float32 )

การสาธิตเว็บ API

โคลน repo นี้, pip install flask ก่อนแล้ว

 python app.py

• เยี่ยมชม http: // localhost: 5000 สำหรับการโต้ตอบ TTS
• http ได้รับที่ http: // localhost: 5000/api/tts หรือไม่ text =%20Sentence ของคุณเพื่อรับเสียง WAV กลับ:

$ curl -o " helloworld.wav " " http://localhost:5000/api/tts?text=%E4%BD%A0%E5%A5%BD%E4%B8%96%E7%95%8C "

%E4%BD%A0%E5%A5%BD%E4%B8%96%E7%95%8C เป็นรหัส URL ของ "สวัสดีโลก!"

ใช้ tacotron2 แทน fastspeech2

WAV สร้างจากโมเดล Tacotron นั้นดีกว่าการพูดเร็ว แต่ Tacotron ช้ากว่ามากในการใช้ทาโคทรอนเปลี่ยนรหัส

 import zhtts
tts = zhtts . TTS ( text2mel_name = "TACOTRON" )
# tts = zhtts.TTS(text2mel_name="FASTSPEECH2")