Ubuntun käyttö > Ohjelmointi, palvelimet ja muu edistyneempi käyttö

Suomenkielinen malli - F5-TTS

(1/1)

asmokosk:

Tein muutamia viikkoja sitten suomenkieliseen äänimallin F5-TTS -ohjelmistolle.

https://github.com/SWivid/F5-TTS/blob/main/src/f5_tts/infer/SHARED.md

https://huggingface.co/AsmoKoskinen/F5-TTS_Finnish_Model

Käytin vapaasti saatavilla olevia suomenkielisiä äänitiedostoja alkuperäisen mallin hienosäätämiseen: Common Voice, LibriVox ja Vox Populi.

Katso varsinainen asennus GitHubista:

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

Ystävällisin terveisin Asmo Koskinen.

asmokosk:
Piper-projektissa on jo Harri. Piper-ohjelmaa voi käyttää esimerkiksi Raspberry Pi:ssä.

Käytin omaa ääntäni (kloonaus) ja loin synteettisen datasetin Piperia varten.

Käytin tuota datasettiä luodakseni tyhjästä tarkistuspisteen (epoch=1999-step=288000.ckpt) ja sitten onnx-tiedoston (fi_FI-asmo-medium.onnx).

Voit lukea lisää täältä, kuuntele Piper-projektin äänitiedostot testausta varten:

https://huggingface.co/AsmoKoskinen/Piper_Finnish_Model

Suomalaisen F5-TTS-mallin osalta käytin Creative Commons Attribution Non Commercial 4.0 -lisenssiä. Ja siksi käytän Creative Commons Attribution Non Commercial 4.0 -lisenssiä myös tässä mallissa.

Katso varsinainen asennus GitHubista:

https://github.com/rhasspy/piper

Voit käyttää myös Piper Studiota oman datasetin äänittämiseen:

https://github.com/rhasspy/piper-recording-studio

Ystävällisin terveisin Asmo Koskinen.

asmokosk:

Lisäsin kolmannen version (v1) Hugging Face-sivustolle.

"2025/03/12: 🔥 F5-TTS v1 base model with better training and inference performance."

Käytin tässäkin versiossa samoja äänitiedostoja kuin aikaisemmassa: Common Voice, LibriVox ja Vox Populi.

Ystävällisin terveisin Asmo Koskinen.

Navigaatio

[0] Viestien etusivu