懂AI

vits_chinese学习资料汇总 - 基于BERT和VITS的高质量中文语音合成系统

RayRay
TTSBERTVITS文本到语音自然语言处理Github开源项目

vits_chinese

vits_chinese - 基于BERT和VITS的高质量中文语音合成系统

vits_chinese是一个基于BERT和VITS,融合了微软自然语音特性的中文语音合成(TTS)系统。该项目旨在为中文TTS提供一个高质量、易用的开源实现,适合用于学习和研究。

项目特点

  • 基于BERT的隐式韵律嵌入,能产生自然的语法停顿
  • 使用NaturalSpeech的推理损失,减少音频错误
  • 采用VITS框架,生成高质量音频
  • 支持模块化蒸馏,加快推理速度
  • 支持ONNX导出和流式推理

在线体验

项目提供了在线Demo,可以直接体验合成效果:

Hugging Face Spaces在线演示

安装使用

  1. 克隆项目并安装依赖:
git clone https://github.com/PlayVoice/vits_chinese.git
cd vits_chinese
pip install -r requirements.txt
  1. 编译MAS对齐模块:
cd monotonic_align
python setup.py build_ext --inplace
  1. 下载预训练模型:

从Release页面下载prosody_model.pt和vits_bert_model.pth,放到对应目录。

  1. 推理:
python vits_infer.py --config ./configs/bert_vits.json --model vits_bert_model.pth

训练自己的模型

项目提供了完整的训练流程,包括:

  1. 数据准备
  2. 特征提取
  3. 模型训练
  4. 推理测试

具体步骤可参考项目README。

进阶使用

  • 支持流式推理
  • 支持ONNX导出
  • 提供模型压缩方法
  • 多说话人训练

模型架构图

更多资源

vits_chinese为中文TTS研究提供了一个优秀的开源实现,欢迎感兴趣的开发者和研究者尝试使用,为项目贡献代码,共同推动中文语音合成技术的发展。

编辑推荐精选

TRAE编程

TRAE编程

AI辅助编程，代码自动修复

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
商汤小浣熊

商汤小浣熊

最强AI数据分析助手

小浣熊家族Raccoon，您的AI智能助手，致力于通过先进的人工智能技术，为用户提供高效、便捷的智能服务。无论是日常咨询还是专业问题解答，小浣熊都能以快速、准确的响应满足您的需求，让您的生活更加智能便捷。

imini AI

imini AI

像人一样思考的AI智能体

imini 是一款超级AI智能体，能根据人类指令，自主思考、自主完成、并且交付结果的AI智能体。

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手，复杂任务高效处理

AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！

蛙蛙写作

蛙蛙写作

AI小说写作助手，一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
问小白

问小白

全能AI智能助手，随时解答生活与工作的多样问题

问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
下拉加载更多