Silero 文本转语音模型
# this assumes that you have a proper version of PyTorch already installed
pip install -q torchaudio omegaconf
import torch
language = 'en'
speaker = 'lj_16khz'
device = torch.device('cpu')
model, symbols, sample_rate, example_text, apply_tts = torch.hub.load(repo_or_dir='snakers4/silero-models',
model='silero_tts',
language=language,
speaker=speaker)
model = model.to(device) # gpu or cpu
audio = apply_tts(texts=[example_text],
model=model,
sample_rate=sample_rate,
symbols=symbols,
device=device)
模型描述
Silero 文本转语音模型以紧凑的形式为几种常用语言提供企业级 TTS
- 单行代码使用
- 自然发音
- 无需 GPU 或训练
- 极简主义且无依赖项
- 多语言语音库
- 开箱即用,支持
16kHz
和8kHz
- 在慢速硬件上实现高吞吐量。在单个 CPU 线程上表现良好
支持的语言和格式
截至本页面更新,以下语言的说话人支持 8 kHz 和 16 kHz
- 俄语(6 位说话人)
- 英语(1 位说话人)
- 德语(1 位说话人)
- 西班牙语(1 位说话人)
- 法语(1 位说话人)
要查看始终更新的语言列表,请访问我们的存储库,并在 yml
文件中查看所有可用的检查点。
其他示例和基准
有关其他示例和其他模型格式,请访问此链接。有关质量和性能基准,请参阅维基。这些资源将不时更新。
参考
