vixtts-demo

vixtts-demo

专注越南语的开源文本转语音工具

viXTTS是一个开源的文本转语音工具,基于XTTS-v2.0.3模型,主要针对越南语进行优化。该工具使用viVoice数据集微调,支持高质量声音克隆。用户可通过Hugging Face在线体验或在本地Ubuntu/WSL2系统运行。虽然重点优化越南语,但也支持其他语言尝试。项目提供详细的安装和使用说明,便于研究者和开发者使用。

viXTTS文字转语音语音克隆越南语Hugging FaceGithub开源项目

viXTTS演示 🗣️🔥

快速使用 ✨

👉 访问https://huggingface.co/spaces/thinhlpg/vixtts-demo即可立即使用,无需安装。

简介 👋

viXTTS是一款文本转语音生成工具,可以克隆越南语和其他语言的语音。这个模型是基于XTTS-v2.0.3模型微调的版本,使用了viVoice数据集。本仓库主要用于演示目的。

模型可在以下地址访问:Hugging Face上的viXTTS

在线使用(推荐)

本地使用

此代码专为在Ubuntu或WSL2上运行而设计。不适用于macOS或Windows系统。 viXTTS Gradio演示

硬件建议

  • 至少10GB可用磁盘空间
  • 至少16GB内存
  • Nvidia GPU,最少4GB显存
  • 默认情况下,模型将使用GPU。如果没有GPU,它将在CPU上运行,速度会慢很多。

所需软件

  • Git
  • Python版本 >=3.9 且 <= 3.11。默认版本设置为3.11,但您可以在run.sh文件中修改Python版本。

使用方法

git clone https://github.com/thinhlpg/vixtts-demo cd vixtts-demo ./run.sh
  1. 运行run.sh(首次运行时会自动安装依赖项)。
  2. 访问Gradio演示链接。
  3. 加载模型并等待加载完成。
  4. 推理并享受 🤗
  5. 结果将保存在output/目录中

限制

  • 对于越南语中少于10个词的输入句子表现不佳(产生不一致的输出和奇怪的尾音)。
  • 此模型仅在越南语上进行了微调。模型在越南语以外的语言上的效果尚未测试,可能会降低质量。

贡献

这个项目目前没有积极维护,由于敏感原因,我不打算发布微调代码,因为它可能被用于不道德的目的。如果您想通过为其他操作系统(如Windows或macOS)创建版本来贡献,请fork仓库,创建一个新分支,在相应的操作系统上进行彻底测试,并提交一个说明您贡献的拉取请求。

致谢

我们要感谢所有在此演示开发中发挥作用的库和资源,特别是:

引用

@misc{viVoice, author = {Thinh Le Phuoc Gia, Tuan Pham Minh, Hung Nguyen Quoc, Trung Nguyen Quoc, Vinh Truong Hoang}, title = {viVoice: Enabling Vietnamese Multi-Speaker Speech Synthesis}, url = {https://github.com/thinhlpg/viVoice}, year = {2024} }

稍后可能会提供一份手稿和友好的开发日志,记录整个过程(包括其他尝试过的工作,但本README文件中未指明过滤过程的细节)。

联系方式 💬

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