VIZINTZOR/F5-TTS-THAI

F5-TTS-THAI

โมเดลหลัก : SWivid/F5-TTS

Githup : https://github.com/SWivid/F5-TTS

ชุดข้อมูลที่นำไปเทรน

• Porameht/processed-voice-th-169k
• จำนวน
  • 150,000 เสียง
  • ประมาณ 165 ชั่วโมง
• ขนาดโมเดลล่าสุด
  • 500,000 Steps
• การอ่านข้อความยาวๆ หรือบางคำ ยังไม่ถูกต้อง

การใช้งาน

Github : https://github.com/VYNCX/F5-TTS-THAI

git clone https://github.com/VYNCX/F5-TTS-THAI.git
cd F5-TTS-THAI
python -m venv venv
call venv/scripts/activate
pip install git+https://github.com/VYNCX/F5-TTS-THAI.git

#จำเป็นต้องติดตั้งเพื่อใช้งานได้มีประสิทธิภาพกับ GPU
pip install torch==2.3.0+cu118 torchaudio==2.3.0+cu118 --extra-index-url https://download.pytorch.org/whl/cu118

สามารถรันไฟล์ app-webui.bat เพื่อใช้งานได้ หรือ

  python src/f5_tts/f5_tts_webui.py

ฝึกอบรม และ Finetune

ใช้งานบน Google Colab Finetune หรือ

• ติดตั้ง

  cd F5-TTS-THAI
  pip install -e .

• เปิด Gradio

  f5-tts_finetune-gradio

ตัวอย่างเสียง

• เสียงต้นแบบ
  • ข้อความคำพูด : ฉันเดินทางไปเที่ยวที่จังหวัดเชียงใหม่ในช่วงฤดูหนาวเพื่อสัมผัสอากาศเย็นสบาย
• เสียงที่สร้างขึ้น
  • Seed : 4213936761049775187