VIZINTZOR/KaoPadTTS-85M

KaoPadTTS

KaoPadTTS: Text-to-Speech ภาษาไทยแบบ Autoregressive ขนาด 85M ที่รองรับ Voice Cloning เพื่อสร้างเสียงพูดที่เป็นธรรมชาติ ขนาดเล็ก สามารถใช้งานได้บน CPU,GPU

โมเดล

Model Name	Parameters	Codec
KaoPadTTS-85M	85 M	MioCodec-25Hz-44.1kHz-v2

การติดตั้ง

pip install git+https://github.com/VYNCX/KaoPadTTS.git

ใช้งาน

from KaoPadTTS import KaoPadTTS
from KaoPadTTS.codec import CODEC

device = "cpu"

tts = KaoPadTTS(device=device)
codec = CODEC(device=device)
ref_audio = "sample.wav"
ref = codec.encode(ref_audio)
speaker_emb = ref["global_embedding"].to(device)
text = """สวัสดีครับ นี่คือเสียงพูดภาษาไทย"""
audio_tokens = tts.generate_batch(text,
                                  speaker_emb=speaker_emb,
                                  temperature=0.3,
                                  top_k=150,
                                  top_p=0.95,
                                  rep_penalty=1.1,
                                  max_new_tokens=300)
output_wav = "output.wav"
codec.tokens_to_wav(audio_tokens, speaker_emb, output_wav)