Multi-Tacotron-Voice-Cloning学习资料汇总 - 多语言语音克隆的开源实现

Multi-Tacotron-Voice-Cloning:多语言语音克隆的开源实现

Multi-Tacotron-Voice-Cloning是一个基于Real-Time-Voice-Cloning项目的多语言语音克隆实现。该项目支持俄语和英语的语音克隆,能够从几秒钟的音频中创建语音的数字表示,并用于条件化文本到语音模型。

项目特点

• 多语言支持:支持俄语和英语的语音克隆
• 基于音素的输入表示,有助于跨语言共享模型能力
• 四阶段深度学习框架,包括编码器、合成器和声码器
• 无需双语或平行语料即可实现跨语言的语音转换

快速开始

1. 在线体验:使用Colab在线演示
2. 本地安装:
   • Python 3.6+
   • PyTorch 1.0.1+
   • 安装依赖:pip install -r requirements.txt
   • 下载预训练模型

资源链接

• GitHub 仓库
• 音频示例
• 预训练模型
• 训练指南

数据集

项目提供了多个英语和俄语数据集的链接和处理说明,包括:

• LibriSpeech (英语): 300个说话人,360小时高质量语音
• VoxCeleb (英语): 7000个说话人,大量语音数据
• M-AILABS (俄语): 3个说话人,46小时高质量语音
• RUSLAN (俄语): 1个说话人,40小时高质量语音

实现细节

Multi-Tacotron-Voice-Cloning基于以下论文实现:

1. Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis
2. Efficient Neural Audio Synthesis
3. Natural TTS Synthesis by Conditioning Wavenet on Mel Spectrogram Predictions
4. Generalized End-To-End Loss for Speaker Verification

使用工具箱

运行以下命令启动工具箱界面:

python demo_toolbox.py -d <datasets_root>

或者不指定数据集路径:

python demo_toolbox.py

社区贡献

该项目欢迎社区贡献。如有任何问题,可以通过GitHub Issues或直接联系作者(niw9102@gmail.com)。

Multi-Tacotron-Voice-Cloning为语音克隆和跨语言语音合成提供了一个强大的开源解决方案。无论您是语音技术研究人员、开发者还是语音应用爱好者,都可以利用这个项目探索语音克隆的前沿技术。

文章链接：www.dongaigc.com/a/multi-tacotron-voice-cloning-resources
https://www.dongaigc.com/a/multi-tacotron-voice-cloning-resources