Spaces:
Running on Zero
voice cloning
Підкажіть будь ласка як досягти такої якості клонування голосу. Чи можна десь подивитись параметри і код для fine tuning?
Я додав власний семпл (20 секунд, 24кгц) в директорію voices, але генерація навіть близько не схожа.
Клонування голосу в styletts2 працює погано, плюс потрібно дуже багато різних спікерів щоб його покращити. Тому тут спрацює лише файн тюнінг. Але я виклав лише інференс модель щоб не можна було файн тюнити. Для чого ви хочете використовувати цю модель?
Я веду ютуб канал, але озвучка це не те, що мені подобається в цій справі, якщо б модель могла гарно відтворювати мій голос, то можливо трохи допомогла б з цим.
Дивіться, щоб зробити модель вашим голосом, потрібен датасет, якщо ви готові записати датасет і дозволите його викласти в відкритий доступ, я тоді готовий натренувати модель на цьому датасеті і викласти її також в відкритий доступ. Програма для створення датасетів з текстами які треба прочитати в мене є, потрібно лише начитати(мінімум 10 годин).
Уфф, 10 годин начитки це грандіозна робота, я це не потягну.
Ну ок я би хотів 10 годин, але 2 годин для файн тюну буде достатньо. Так що подумайте.
Дуже дякую, за україномовну нейромережу, це краще що є, я багато перебрав, ця найкраща що є, розвивайте далі! Встановив на комп, прийшлось переписувати app.py, в мене не зберігав аудіо, та requirements.txt
Не хотів встановлювати, може за нового пайторча! Я так розумію наголоси українські він сам розставляє добре, на іноземні слова додаю +
Ще питання є така нейромережа дуже гарно працює, але української нема, може якось туди додати і що для цього потрібно?
https://github.com/resemble-ai/chatterbox
Дуже якісний на мій скромний погляд продукт. Повага.
Одне тільки не зрозумів (або не дочитав) - числа не проговрюються, чи це так і має бути?
Для того щоб цифри проговорювалися, їх потрібно або писати словами, або натиснути кнопку "вербалізувати" перед синтезом.
Ого! це тягне за собою ще 2Г.. а простише немає рішення для вебралізації?