|
--- |
|
license: cc-by-sa-4.0 |
|
language: |
|
- ja |
|
- zh |
|
- en |
|
pipeline_tag: text-to-speech |
|
--- |
|
# このモデルはStyle-Bert-VITS2のver 1.3でのアクセント等の大幅修正前に学習されているので、アクセント等がおかしい場合があります。現在学習し直しています。 |
|
|
|
[Style-Bert-VITS2](https://github.com/litagin02/Style-Bert-VITS2)の[JVNVコーパス](https://sites.google.com/site/shinnosuketakamichi/research-topics/jvnv_corpus)で学習したモデルファイル(と音声合成に必要ないくつか)です。 |
|
|
|
- スタイル: JVNVコーパスの分類と同じ、Angry, Disgust, Fear, Happy, Sad, Surpriseと、平均のNeutralの7つです(Neutralといいつつかなり入力文章に応じた感情が出ます)。 |
|
- [オンラインデモ](https://huggingface.co/spaces/litagin/Style-Bert-VITS2-JVNV) |
|
|
|
|
|
ライセンスはJVNVコーパスのcc-by-sa-4.0を引き継ぎます。 |
|
|
|
~~TODO?: JVNVコーパスは非言語発話が冒頭にある場合が多いのが原因で、合成した場合に最初の方の音素長がバグることが多い。非言語発話を削除して学習し直す?かもしれない?~~ |
|
|
|
↑非言語を除去したものに置き換えました。音素長は安定したけど笑い声とかは下手になった、がこっちのverのほうが使いやすそうなので置き換えました。 |