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 16kHz8kHz
  • 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

一套紧凑的企业级多语言预训练文本转语音模型

模型类型: 音频 | 可脚本化
提交者: Silero AI 团队