語音合成(Speech Synthesis)

緣起

民國110年，於AIGO媒合賽中與財團法人原住民族語言研究發展基金會合作，共同打造文字轉語音系統(Text-to-Speech, TTS)。

執行程式碼的必備條件

1. 取得 LJ Dataset 點此連結，取得 LJ Dataset。

2. 取得預訓練模型(Pretrained Models) 點此連結，下載本專案開源程式碼會用到的預訓練模型

3. 取得本專案開源程式碼

git clone https://github.com/AI-FREE-Team/TTS-AIGO.git

或直接點選Text_to_Speech_for_Google_Colab.ipynb，然後點選Open in Colab。

影片說明

• 點選圖片至 YouTube 觀看相關此影片 - Part I
• 點選圖片至 YouTube 觀看相關此影片 - Part II
• 點選圖片至 YouTube 觀看相關此影片 - Part III

專案內容

針對 Text_to_Speech_for_(Google Colab/ TWCC).ipynb:

• 第一部分: 簡介 Nemo 與 TTS 任務
• 第二部分: 資料前處理
• 第三部分: 模型訓練
• 第四部份: 模型推論
• 第五部分: 模型推論(針對太魯閣族語音生成)
• 第六部分: 引用

補充內容

若使用 TWCC 作為執行環境(特別是用於模型訓練階段)，可參考 slides/TWCC: 建立開發型容器.pptx 與 slides/TWCC: 將檔案上傳到指定目錄.pptx，完成基本設置。並參考 Text_to_Speech_for_TWCC.ipynb。

參考資源

• Nvidia NeMo
• 原語會族語樂園
• LJ Dataset

聯絡方式

• Email: [email protected]
• 臉書粉專: FB Link
• 官方網站: Official Website