# 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 能力

  • 一行代码即可使用
  • 自然发音的语音
  • 无需 GPU 或训练
  • 极简主义且无依赖项
  • 支持多种语言的语音库
  • 开箱即用，支持 16kHz 和 8kHz
  • 在低速硬件上实现高吞吐量。在一个 CPU 线程上表现良好

支持的语言和格式

截至本次页面更新，以下语言的说话人（语音）支持 8 kHz 和 16 kHz 两种采样率

  • 俄语 (6 种语音)
  • 英语 (1 种语音)
  • 德语 (1 种语音)
  • 西班牙语 (1 种语音)
  • 法语 (1 种语音)

要查看始终保持最新的语言列表，请访问我们的 仓库 并查看 yml 文件，以获取所有可用的检查点。

更多示例和基准测试

如需更多示例和其他模型格式，请访问此链接。如需了解质量和性能基准测试，请参阅维基。这些资源将不定期更新。

参考