YourTTS

YourTTS

多语言零样本多发音人文本转语音及语音转换技术

YourTTS项目开发了先进的多语言零样本多发音人文本转语音及语音转换技术,适用于少量语音样本。该技术支持多种语言,确保高语音相似度和优质输出。基于改良的VITS模型,此技术在多语训练中展现出色表现,获得业界肯定。

YourTTS多语言零样本多说话者TTS语音转换Coqui TTSGithub开源项目

YourTTS项目介绍

YourTTS是一个致力于零样本多说话人文本转语音(TTS)和零样本语音转换的革命性项目。通过多语言的方法,YourTTS在零样本多说话人TTS任务中实现了重大突破。该项目的研发基于VITS模型,同时进行了多个创新性修改,使其能够进行零样本多说话人和多语言的训练。

项目亮点

YourTTS在零样本多说话人TTS的领域达到了当前最先进的(SOTA)水平,并在VCTK数据集上的零样本语音转换中取得了与SOTA相当的成果。此外,该项目在单一说话人数据集的目标语言中也取得了有希望的结果,这为低资源语言的零样本多说话人TTS和零样本语音转换系统带来了可能性。值得一提的是,YourTTS模型能够用不到1分钟的语音进行微调,并在语音相似度和音质上达到一流的效果,这对于语音特征与训练数据相比有很大不同的说话人合成非常重要。

实验与实现

YourTTS的所有实验都在Coqui TTS平台上实现,提供了完全可重复的实验环境,并可通过简单的命令实现文本到语音和语音转换功能。例如,使用v0.7.0版本的Coqui TTS可以简单通过命令执行文本到语音转换,或通过给定的参考语音文件实现目标声音的语音转换。

错误修正

在YourTTS论文的第2部分,定义了一个说话人一致性损失函数(SCL)。经过测试发现,由于实现上的一个错误,这一损失函数的梯度并未在训练中被传播。该错误已在Coqui TTS版本v0.12.0或者更高版本中得到修复。

可参考资源

项目开源性

YourTTS项目的所有发布的检查点均获得了CC BY-NC-ND 4.0许可,这为研究社区和开发人员提供了重要的研究和开发基础。

YourTTS项目极大地推动了多说话人TTS和语音转换领域的进步,为全球的开发者和研究人员提供了强大且易于使用的工具。无论是高资源还是低资源语言,该项目都有望让多语言和零样本说话的语音合成成为可能。

编辑推荐精选

Pixmax

Pixmax

一站式AI短剧创作平台

Pixmax专注打造下一代“ AI 视觉创作引擎”,整合行业顶尖 AI 大模型、工工业级精准控制及企业级协同管理功能,是全方位的 AI 内容创作平台。

豆包

豆包

字节跳动旗下 AI 智能助手

字节跳动旗下 AI 智能助手

GPT Plus|Pro充值

GPT Plus|Pro充值

GPT充值

支持 ChatGPT Plus / Pro 充值服务,支付便捷,自动发货,售后可查。

GPT Image 2中文站

GPT Image 2中文站

AI 图片生成平台

GPT Image 2 是面向用户的 AI 图片生成平台,支持文生图、图生图及多模型创意工作流。

Vecbase

Vecbase

你的AI Agent团队

Vecbase 是专为 AI 团队打造的智能工作空间,将数据管理、模型协作与知识沉淀整合于一处。算法、产品与业务在同一平台无缝协同,让从数据到 AI 应用的落地更快一步。

音述AI

音述AI

全球首个AI音乐社区

音述AI是全球首个AI音乐社区,致力让每个人都能用音乐表达自我。音述AI提供零门槛AI创作工具,独创GETI法则帮助用户精准定义音乐风格,AI润色功能支持自动优化作品质感。音述AI支持交流讨论、二次创作与价值变现。针对中文用户的语言习惯与文化背景进行专门优化,支持国风融合、C-pop等本土音乐标签,让技术更好地承载人文表达。

QoderWork

QoderWork

阿里Qoder团队推出的桌面端AI智能体

QoderWork 是阿里推出的本地优先桌面 AI 智能体,适配 macOS14+/Windows10+,以自然语言交互实现文件管理、数据分析、AI 视觉生成、浏览器自动化等办公任务,自主拆解执行复杂工作流,数据本地运行零上传,技能市场可无限扩展,是高效的 Agentic 生产力办公助手。

lynote.ai

lynote.ai

一站式搞定所有学习需求

不再被海量信息淹没,开始真正理解知识。Lynote 可摘要 YouTube 视频、PDF、文章等内容。即时创建笔记,检测 AI 内容并下载资料,将您的学习效率提升 10 倍。

AniShort

AniShort

为AI短剧协作而生

专为AI短剧协作而生的AniShort正式发布,深度重构AI短剧全流程生产模式,整合创意策划、制作执行、实时协作、在线审片、资产复用等全链路功能,独创无限画布、双轨并行工业化工作流与Ani智能体助手,集成多款主流AI大模型,破解素材零散、版本混乱、沟通低效等行业痛点,助力3人团队效率提升800%,打造标准化、可追溯的AI短剧量产体系,是AI短剧团队协同创作、提升制作效率的核心工具。

seedancetwo2.0

seedancetwo2.0

能听懂你表达的视频模型

Seedance two是基于seedance2.0的中国大模型,支持图像、视频、音频、文本四种模态输入,表达方式更丰富,生成也更可控。

下拉加载更多