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

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
Trae

Trae

字节跳动发布的AI编程神器IDE

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
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
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多