mandarin-tts

mandarin-tts

模块化的中文文本到语音合成框架

mandarin-tts是一个模块化的中文文本到语音合成框架,适用于加速科研和产品开发。它的主要特点包括模块化配置、多样的声码器支持以及丰富的嵌入选项,如说话人、韵律和文本嵌入。此外,该框架还支持预测语音的持续时间、音调和能量变化,通过开源合作进一步拓展其功能。框架提供多数据集的音频样本和预训练模型,方便用户使用和进一步开发。此外通过正确使用专有名词,如YAML配置文件,并加入客观描述,提供高效的开发工具给研究人员和开发者。

mandarin-tts语音合成vocoderAI绘图githubGithub开源项目

项目简介

Mandarin-TTS 项目旨在创建一个模块化的语音合成框架,以支持快速的研究与产品开发。在项目中,所有模块都可以通过 yaml 文件进行配置,同时支持和可配置的功能包括:

  • 说话人嵌入、韵律嵌入、以及多流文本嵌入。
  • 支持多种声码器(如 VocGAN、hifi-GAN、waveglow、melGAN),简化不同声码器之间的比较。
  • 支持时长、音调和能量变化预测,并能轻松添加其他变体。
  • 此外,此项目还有更多功能正在开发中。

本项目欢迎各界贡献。

音频示例

可以通过以下示例链接查看音频演示:演示视频。此外,项目的 GitHub 页面上也提供了一些音频样本,数据集包括 biaobeiaishell3

快速入门

安装指南

用户可以通过以下命令克隆项目并安装:

git clone https://github.com/ranchlai/mandarin-tts.git cd mandarin-tts git submodule update --force --recursive --init --remote pip install -e .

模型训练

提供了两个训练示例:biaobeiaishell3。要训练自己的模型,可以通过以下步骤实现:

  1. 从已有示例中复制一份配置。
  2. 使用 wav2mel.py 准备好梅尔频谱特征。
  3. 准备训练所需的 scp 文件,并确保配置文件 config.yaml 中的参数正确。

模型训练命令如下:

cd examples/aishell3 python ../../mtts/train.py -c config.yaml -d cuda

对于 biaobei 数据集,配置流程相似,但不包含说话人嵌入,可以添加韵律嵌入。

音频合成

使用预训练检查点

项目提供了两个预训练示例供用户参考,具体信息如下:

数据集检查点配置文件
aishell3链接链接
biaobei链接链接

支持的声码器

声码器负责将梅尔频谱转换为波形。项目支持以下声码器:

声码器检查点GitHub
Waveglow链接链接
hifi-gan链接链接
VocGAN链接链接
MelGAN链接链接

用户需手动下载安装检查点并在配置文件中设置正确路径。

准备输入文本

文本准备步骤如下:

cd examples/aishell3/ python ../../mtts/text/gp2py.py -t "为适应新的网络传播方式和读者阅读习惯"

然后将输出文本复制到 input.txt,并为其定义名称和说话人 ID。

合成音频

准备好检查点和文本后,可以通过以下命令开始合成音频:

python ../../mtts/synthesize.py -d cuda --c config.yaml --checkpoint ./checkpoints/checkpoint_1240000.pth.tar -i input.txt

输出的音频文件可以在 outputs 目录中找到。

编辑推荐精选

Vora

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

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

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。

AI工具使用教程AI营销产品酷表ChatExcelAI智能客服
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。

热门AI工具生产力协作转型TraeAI IDE
AIWritePaper论文写作

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。

数据安全AI助手热门AI工具AI辅助写作AI论文工具论文写作智能生成大纲
博思AIPPT

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。

热门AI工具AI办公办公工具智能排版AI生成PPT博思AIPPT海量精品模板AI创作
潮际好麦

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

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

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

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

下拉加载更多