speaker_adapted_tts

在10分钟内制作带有1分钟语音样本的TTS模型

看到我对TaCotron和DCTT的实施，许多人问我“神经TTS需要多大的语音数据集？”或“您可以制作带有X小时/分钟培训数据的TTS型号吗？”我完全意识到这些问题的重要性。当您计划使用TTS的服务时，它并不总是很有可能获得大量的语音样本。我想给出一个答案。我真的但不幸的是我没有答案。我唯一知道的是，我可以通过从凯特·温斯莱特（Kate Winslet）的有声读物中提取的五个小时的语音样本来成功培训模型。我没有尝试过比这更少的数据。我可以尝试一下，但实际上我有一个更好的主意。由于我有一个像LJ语音数据集训练好几天的模型，所以我为什么不使用它？毕竟，我们都有不同的声音，但是我们说英语的方式并没有完全不同。

在上面的两个存储库中，我使用了我最喜欢的两个名人Nick Offerman和Kate Winslet的所有演讲样本培训了TTS模型。这次，我只使用一分钟的语音样本。以下是经过10分钟的微调训练后的合成样品。您认为他们听起来像他们吗？

• 检查尼克样品
• 检查凯特样品

此外，我从YouTube收集了10个现代家庭名人的演讲样本，并在这些样本上产生了他们的声音。

• 埃德·奥尼尔
  
• SofíaVergara
  
• 朱莉·鲍恩（Julie Bowen）
  
• Ty Burrell
  
• 杰西·泰勒·弗格森（Jesse Tyler Ferguson）
  
• 埃里克·斯通斯特雷特（Eric Stonestreet）
  
• 莎拉·海兰（Sarah Hyland）
  
• Ariel Winter
  
• Rico Rodriguez
  

在此处查看模型详细信息，源代码和验证的模型，该模型用作种子。