TTTS_v4
介绍
据我所知，这个项目中的方法是我首次提出的。主要思路源于对"细节"的建模，因为我一直困扰于基于VQ（向量量化）的方法无法很好地重建音频，也没有办法对这种残差进行建模。然而，对于传统的VITS，有一些方法可以创建监督信号，比如线性谱，或者使用可学习的嵌入来学习持续时间。这些观察最终使得这种方法取得了非常好的结果。
演示
安装
pip install -e .
训练
1. 分词器训练
使用ttts/prepare/bpe_all_text_to_one_file.py合并你收集的所有文本。要训练分词器，请查看ttts/gpt/voice_tokenizer获取更多信息。
2. VQVAE训练
使用1_vad_asr_save_to_jsonl.py和2_romanize_text.py预处理数据集。
使用以下指令训练模型。
accelerate launch ttts/vqvae/train_v3.py
多语言支持
现在支持中文、英语、日语、韩语。
你可以通过两个步骤使用任何语言的模型。
- 首先，收集大量该语言的文本。
- 其次，训练
ttts/gpt/voice_tokenizer以获得字典。
对于英语，你可以直接使用文本。然而，对于中文，你需要使用拼音，对于日语，你需要使用罗马字，确保在文本中包含发音信息。
推理
请查看api.py获取推理详情。
微调
在train_v3.py中更改加载路径为预训练模型，然后进行训练。
关于数据集，你应该预处理文本、音频路径和拉丁文。你可以参考ttts/prepare/2_romanize_text.py获取一些信息。
致谢
- Tortoise，这是本仓库的起点。
- VITS，大部分代码基于此。
- Bert-VITS2，一些优化代码如mas来自这里。
编辑推荐精选
Vora
免费创建高清无水印Sora视频
Vora是一个免费创建高清无水印Sora视频的AI工具
Refly.AI
最适合小白的AI自动化工作流平台
无需编码，轻松生成可复用、可变现的AI自动化工作流
酷表ChatExcel
大模型驱动的Excel数据处理工具
基于大模型交互的表格处理系统，允许用户通过对话方式完成数据整理和可视化分析。系统采用机器学习算法解析用户指令，自动执行排序、公式计算和数据透视等操作，支持多种文件格式导入导出。数据处理响应速度保持在0.8秒以内，支持超过100万行数据的即时分析。
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。
AIWritePaper论文写作
AI论文写作指导平台
AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。
博思AIPPT
AI一键生成PPT，就用博思AIPPT！
博思AIPPT，新一代的AI生成PPT平台，支持智能生成PPT、AI美化PPT、文本&链接生成PPT、导入Word/PDF/Markdown文档生成PPT等，内置海量精美PPT模板，涵盖商务、教育、科技等不同风格，同时针对每个页面提供多种版式，一键自适应切换，完美适配各种办公场景。
潮际好麦
AI赋能电商视觉革命，一站式智能商拍平台
潮际好麦深耕服装行业，是国内AI试衣效果最好的软件。使用先进AIGC能力为电商卖家批量提供优质的、低成本的商拍图。合作品牌有Shein、Lazada、安踏、百丽等65个国内外头部品牌，以及国内10万+淘宝、天猫、京东等主流平台的品牌商家，为卖家节省将近85%的出图成本，提升约3倍出图效率，让品牌能够快速上架。
iTerms
企业专属的AI法律顾问
iTerms是法大大集团旗下法律子品牌，基于最先进的大语言模型(LLM)、专业的法律知识库和强大的智能体架构，帮助企业扫清合规障碍，筑牢风控防线，成为您企业专属的AI法律顾问。
SimilarWeb流量提升
稳定高效的流量提升解决方案，助力品牌曝光
稳定高效的流量提升解决方案，助力品牌曝光
Sora2视频免费生成
最新版Sora2模型免费使用，一键生成无水印视频
最新版Sora2模型免费使用，一键生成无水印视频
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号