ToucanTTS：全球首个支持7000+种语言的高保真语音合成模型

ToucanTTS：支持语言种类最多的 TTS 模型

主要内容

1. 开发背景
   • ToucanTTS 由斯图加特大学自然语言处理研究所（IMS）开发，是一个超全文本转语音（TTS）模型，专为教学、训练和使用最先进的语音合成模型而设计。
2. 语言支持
   • ToucanTTS 支持超过 7000 种语言的语音合成，是目前支持语言种类最多的 TTS 模型，具备广泛的全球适用性，满足不同语言背景用户的需求。
3. 多说话人语音合成
   • 该工具包支持多说话人语音合成功能，可以模拟不同说话人的节奏、重音和语调，对于需要风格多样性和语音自定义的应用非常有用。
4. 可控语音合成
   • 用户可以控制语音的多个参数，包括音调、语速、情感等，从而生成具有不同情感或风格的语音输出。
5. 高质量语音生成
   • 基于 FastSpeech 2 架构和 PyTorch 框架，利用最先进的深度学习技术，ToucanTTS 确保语音生成的高保真度和自然性。
6. 人工编辑功能
   • ToucanTTS 包含人类在环（Human-in-the-loop）的编辑功能，特别适用于文学研究和诗歌朗读任务，用户可以根据需求自定义合成的语音。
7. 自包含对齐器
   • 使用连接时序分类（CTC）和声谱图重建训练的对齐器，提高了语音合成的精度和质量，适用于多种用途。
8. 数据预处理工具
   • 提供了一整套数据预处理工具，包括文本清理和特征提取，简化了训练数据的准备工作。

相关链接

• GitHub 项目地址
• 在线演示
• 数据集