Geri dön: Katalog

VITS

Proje, adversarial öğrenme kullanan koşullu varyasyonel otokodlayıcı tabanlı uçtan uca bir metinden sese (TTS) sentezleme yöntemidir. Normalleştirici akışlar ve çekişmeli eğitim süreci ile desteklenen varyasyonel çıkarım yöntemiyle daha doğal sesler üretir. Giriş metninden farklı ritimlerde konuşma sentezlemek için stokastik süre tahmincisi barındırır.

VI

VITS

48

jaywalnut310 · Ses & Metinden Sese (TTS)

YILDIZ7.9K
ÇATAL1.4K
COMMIT12
KATKICI3
SÜRÜM—
GÜNCELLEME2 yıl önce
PythonConditional VAEEnd-To-EndAraştırmaMIT

Bu kategorideki yaygın ticari ürünler: ElevenLabs, Amazon Polly, Google Cloud Text-to-Speech

Ne yapar?
  • LJ Speech ve VCTK veri setlerini kullanarak model eğitimi gerçekleştirirsin
  • Sağlanan ön eğitilmiş modelleri ve Colab defterini kullanarak etkileşimli ses sentezi yaparsın
  • Inference örneği üzerinden metin verilerini ses dosyalarına dönüştürürsün
Dikkat
  • • Son güncelleme 2 yıl önce
Kullanıcı yorumları
  • ↓ OlumsuzGitHub Issue

    Yer gerçeği süresini kullandığımda sonuç daha da kötüleşiyor.

    “Sayın yazar, TTS'ye katkınız için teşekkür ederim, bu E2E TTS'de büyük bir adımdır. Ancak daha hızlı antrenman yapmayı ve daha doğru bir süre elde etmeyi hedefleyen yer gerçeği süresini kullandığımda, süre kaybı hızlı düşer ve kl kaybı yavaş düşer. Ben sadece attn matrisini gerçek süreyi kullanarak değiştiririm. Ben...”

  • • NötrGitHub Issue

    Bu Çin veri setinde eğitilebilir mi?

    “Bu Çin veri setinde eğitilebilir mi?”

Web Sitesi GitHub

Notum

Alternatif sayfaları

ElevenLabs alternatifleriAmazon Polly alternatifleriGoogle Cloud Text-to-Speech alternatifleri

Aynı kategoride: Ses & Metinden Sese (TTS)