ayousanz/piper-plus-tsukuyomi-chan

Piper Plus つくよみちゃん (WavLM + Prosody)

つくよみちゃんコーパスを使用してファインチューニングした日本語TTSモデルです。

WavLM Discriminatorとprosody features (A1/A2/A3)に対応しています。

Sample Audio

テキスト	音声
こんにちは、今日は良い天気ですね。	sample_01
吾輩は猫である。名前はまだ無い。	sample_02
音声合成の技術は、日々進化しています。	sample_03

Model Details

項目	値
アーキテクチャ	VITS
言語	日本語 (ja)
サンプルレート	22050 Hz
品質	medium
音素タイプ	OpenJTalk
prosody_dim	16
WavLM Discriminator	対応
ベースモデル	ayousanz/piper-plus-base (WavLM版)
ファインチューニング	300 epochs
学習データ	つくよみちゃんコーパス (100発話)
ONNXエクスポート	stochastic + EMA

Usage

推論（テキスト直接入力）

CUDA_VISIBLE_DEVICES="" uv run python -m piper_train.infer_onnx \
  --model tsukuyomi-wavlm-300epoch.onnx \
  --config config.json \
  --output-dir ./output \
  --text "こんにちは、今日は良い天気ですね。" \
  --speaker-id 0 \
  --noise-scale 0.5

推奨推論パラメータ

パラメータ	値	説明
--noise-scale	0.5	WavLMモデル推奨値
--speaker-id	0	単一話者

Training

ベースモデル

ayousanz/piper-plus-base のWavLM版ベースモデルからファインチューニング。

学習コマンド

NCCL_DEBUG=WARN NCCL_P2P_DISABLE=1 NCCL_IB_DISABLE=1 \
uv run python -m piper_train \
  --dataset-dir /path/to/dataset \
  --prosody-dim 16 \
  --accelerator gpu --devices 4 --precision 16-mixed \
  --max_epochs 300 --batch-size 32 --checkpoint-epochs 50 \
  --base_lr 1e-4 --disable_auto_lr_scaling \
  --ema-decay 0.9995 --num-workers 0 --no-pin-memory \
  --resume_from_checkpoint /path/to/base_model.ckpt \
  --default_root_dir /path/to/output

Files

• tsukuyomi-wavlm-300epoch.onnx - ONNXモデル (61MB)
• config.json - モデル設定（phoneme_id_map含む）
• samples/ - サンプル音声

Credits

• つくよみちゃんコーパス: 夢前黎
• Piper TTS: rhasspy/piper

License

ライセンスは、つくよみちゃんコーパス│声優統計コーパス（JVSコーパス準拠）に準じます