https://github.com/innnky/vispeech

基于vits fastspeech2 visinger的tts模型
https://github.com/innnky/vispeech

Last synced: 2 months ago
JSON representation

基于vits fastspeech2 visinger的tts模型

• Host: GitHub
• URL: https://github.com/innnky/vispeech
• Owner: innnky
• License: mit
• Created: 2022-11-11T04:46:42.000Z (about 2 years ago)
• Default Branch: main
• Last Pushed: 2023-03-09T00:45:44.000Z (almost 2 years ago)
• Last Synced: 2024-08-03T23:03:20.572Z (6 months ago)
• Language: Python
• Homepage:
• Size: 52.1 MB
• Stars: 23
• Watchers: 5
• Forks: 3
• Open Issues: 3
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# visinger-speech

基于fs2、vits、visinger的tts模型

（暂时还在开发调试中）

（效果暂时依旧不太满意）

[//]: # (音频sample见[samples](/samples))

## 模型结构

总的来说基本就是将fastspeech2的VarianceAdapter结构添加进了vits

## 相比于原版vits

+ 删除了 Monotonoic Alignment， 使用MFA对齐后输入时长

+ 添加了音素级 F0Predictor，EnergyPredictor

+ 可以逐音素手动编辑音高、音量和时长

+ 添加了FramePriorNetwork

+ 使用飞桨paddlespeech作为中文文本前端，实现更可靠的文本正则化以及G2P

+ 采样率使用44100hz

## 参考

+ [vits](https://github.com/jaywalnut310/vits)

+ [FastSpeech2](https://github.com/ming024/FastSpeech2)

+ [Period VITS](https://arxiv.org/pdf/2210.15964.pdf) 

+ [VISinger](https://github.com/So-Fann/VISinger)