推荐开源项目：Persian Text to Speech - 让波斯语说话变得简单

推荐开源项目：Persian Text to Speech - 让波斯语说话变得简单

项目介绍

Persian text to speech 是一个基于深度学习的波斯语文本转语音（TTS）系统，采用卷积序列到序列模型并对其进行了改进，让波斯语的声音合成变得更加自然和流畅。该项目由一位开发者创建，旨在解决波斯语社区缺乏专门的TTS资源的问题。

项目技术分析

该模型采用了以下创新点：

1. 位置嵌入(Position Embedding)：为模型添加位置信息，使其能够理解输入序列的位置结构。
2. 损失函数(Loss Function)：对比了L1损失与二元交叉熵损失的组合，发现其影响不大，最终选择L1损失进行优化。
3. 学习率衰减(Learning Rate Decay)：调整了ADAM优化器的学习率策略，以防止梯度爆炸。
4. 引导式注意力(Guided Attention)：通过引入简单的引导机制，加速了模型的收敛速度。

模型架构如图所示，它将文本转化为梅尔谱图，再通过超分辨率网络恢复成音频信号：

![](https://raw.githubusercontent.com/your-repo-name/imgs/master/texttomel.jpg)

项目及技术应用场景

Persian text to speech 可广泛应用于多个场景：

• 辅助读物工具：帮助视力障碍者阅读波斯文书籍或网页。
• 教育软件：为语言学习者提供发音示范。
• 智能助手：在智能家居、车载信息娱乐系统中进行语音交互。
• 新闻播报：自动化播报波斯语新闻。

项目特点

• 独特的数据集：开发者自行采集超过30小时的单声道波斯语音频书，并进行处理，确保适合文本对齐。
• 预训练模型：提供了预训练的权重文件，方便快速体验和进一步开发。
• 脚本支持：train.ipynb 和 demo.ipynb 脚本可让你轻松调整参数和测试新数据集。
• 声音样例：提供男女两种声线的样本，展示模型生成的效果。

要尝试这个项目，你可以从提供的链接下载预训练模型，并按照train.ipynb和demo.ipynb进行操作。期待你的参与，一起推动波斯语语音合成技术的发展！

[ Woman-Maryam Mahboub ](https://soundcloud.com/12211221212/sets/persian-text-2-speechwoman)
[ Man-Arman Soltan zadeh ](https://soundcloud.com/12211221212/sets/persian-text-2-speech)

开始你的波斯语音旅行，点击此处获取预训练模型！