Tiêu đề gốc: ConwayResearch/Underdog-Woof
Mô hình chuyển văn bản thành giọng nói tiếng Anh của Conway Research (Underdog), bao gồm hai giọng Juno và Mira, toàn bộ mô hình là một tệp tin 40.6 MB, chỉ phụ thuộc vào numpy. Bộ chuẩn hóa theo quy tắc tích hợp sẵn sẽ đọc số điện thoại, ngày tháng, thời gian, số tiền và mã theo cách nói thông thường; văn bản dài tự động được chia câu, và nếu có lỗi khi sinh ra, hệ thống sẽ tự động thử lại tối đa ba lần. Tác giả cho biết tỷ lệ lỗi từ (WER) là 1.42% (Mira) trên tập hợp tiếng Anh Gradium TTS Hard Cases, đạt tốc độ 13.8 lần thời gian thực (Juno) trên một luồng CPU của Apple M5 Max, tổng số tham số khoảng 3824 vạn, đầu ra là âm thanh đơn kênh 24 kHz.
Tại sao quan trọng Không cần card đồ họa hay API Key, có thể đọc đúng số điện thoại, ngày tháng và số tiền theo cách nói thông thường, phù hợp cho việc đọc offline và các ứng dụng cục bộ
Điểm tăng 125 · Lượt thích 126 · Lượt tải 10
Lý do
- Không cần GPU, máy chủ hay API Key, phù hợp cho các kịch bản offline và nhúng
- Tác giả cung cấp bảng so sánh cùng tiêu chí với nhiều mô hình TTS mã nguồn mở và đám mây, cùng các mẫu thử nghe trực tiếp
- Có phiên bản một giọng có thể dùng thử trực tuyến trên trình duyệt
Cách sử dụng
- pip install numpy, tải kho mã về rồi chạy python -m underdog_woof "văn bản cần đọc" -o hello.wav, thêm --voice mira để đổi giọng
- Trong Python, dùng Woof(voice="mira") để sinh ra, truyền seed để có kết quả giống nhau
Rủi ro
- Chỉ hỗ trợ tiếng Anh
- Giấy phép phi thương mại: cần mua thêm giấy phép để sử dụng thương mại, phải ghi công khi phát hành tác phẩm, cấm sử dụng mô hình này hoặc âm thanh của nó để huấn luyện các mô hình giọng nói khác
- Đánh giá so sánh do chính tác giả thực hiện và chấm điểm
- Bài viết này chưa được chạy thử, hiệu quả thực tế dựa trên thẻ mô hình