项目简介
Coqui TTS 是一个多语言文本转语音生成的库,提供超过 1100 种语言的预训练模型。这个开源工具不仅可以直接将文本转换为语音,还包括用于训练新模型和微调现有模型的工具,使其能够适应不同语言和语音特征。此外,该项目还提供用于数据集分析和管理的实用程序,以便更好地处理语音合成相关的数据。
TTS 表现
下划线标注的“TTS*”和“Judy*”是内部 TTS 模型,未开源发布。它们在这里展示潜力。以点(.)为前缀的模型(.Jofish、.Abe 和 .Janice)是真实的人类声音。
特点
- 用于文本转语音任务的高性能深度学习模型。
- Text2Spec 模型(Tacotron、Tacotron2、Glow-TTS、SpeedySpeech)。
- 说话人编码器,能够高效计算说话人嵌入。
- 声码器模型(MelGAN、Multiband-MelGAN、GAN-TTS、ParallelWaveGAN、WaveGrad、WaveRNN)。
- 快速高效的模型训练。
- 在终端和 Tensorboard 上有详细的训练日志。
- 支持多说话人 TTS。
- 高效、灵活、轻量但功能齐全的训练器 API。
- 已发布并可立即使用的模型。
- 在 underdataset_analysis 下整理 Text2Speech 数据集的工具。
- 使用和测试模型的实用工具。
- 模块化(但不是过于)的代码库,能够轻松实现新想法。
安装
TTS 在 Ubuntu 18.04 上进行了测试,要求使用 Python 版本 >= 3.9 且 < 3.12。
如果您只对使用已发布的 TTS 模型合成语音感兴趣,从 PyPI 安装是最简单的选择。
pip install TTS
如果您计划编写代码或训练模型,请克隆 TTS 并在本地安装。
git clone https://github.com/coqui-ai/TTS
pip install -e .[all,dev,notebooks] # Select the relevant extras
如果您使用的是 Ubuntu(Debian),您也可以运行以下命令进行安装。
$ make system-deps # intended to be used on Ubuntu (Debian). Let us know if you have a different OS.
$ make install
Docker 镜像
您也可以尝试使用 Docker 镜像而无需安装 TTS。只需运行以下命令,即可在不安装的情况下运行 TTS。
docker run --rm -it -p 5002:5002 --entrypoint /bin/bash ghcr.io/coqui-ai/tts-cpu
python3 TTS/server/server.py --list_models #To get the list of available models
python3 TTS/server/server.py --model_name tts_models/en/vctk/vits # To start a server