File size: 664 Bytes
136a816 ad57b46 136a816 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 |
from transformers import VitsModel, AutoTokenizer
import torch
import numpy as np
from scipy.io.wavfile import write
model = VitsModel.from_pretrained("../urdu-tts")
tokenizer = AutoTokenizer.from_pretrained("../urdu-tts")
text = "ہیلو، آپ کیسے ہیں؟ میں ٹیکس آفس سے کال کر رہا ہوں۔"
inputs = tokenizer(text, return_tensors="pt")
inputs["input_ids"] = inputs["input_ids"].long()
with torch.no_grad():
output = model(**inputs).waveform
output = output.squeeze()
output_np = output.cpu().numpy()
output_int16 = (output_np * 32767).astype(np.int16)
write("urdu.wav", rate=model.config.sampling_rate, data=output_int16)
|