在這個語言千奇百怪的世界裏，想要找到一個能說遍天下話的語音合成助手，是不是感覺比登天還難?別急，斯圖加特大學的學霸們放了個大招——ToucanTTS，一個能說超過7000種語言的文本轉語音（TTS）模型!

image.png

ToucanTTS，這個聽起來就很有活力的名字，背後是IMS的黑科技。它支持幾乎所有ISO-639-3標準語言，也就是說，理論上它能講的語言比你知道的還要多。這在全球範圍內的應用潛力，簡直是無限的。

核心功能：

  • 多語言支持： ToucanTTS支持幾乎所有ISO-639- 3 標準語言，理論上可覆蓋超過 7000 種語言，是目前支持語言種類最多的TTS模型。

  • 多種風格語音合成： 支持模擬不同說話人的節奏、重音和語調，提供風格多樣性和語音自定義。

  • 可控語音合成： 用戶可控制音調、語速、情感等語音參數，生成具有不同情感或風格的語音。

  • 高質量語音生成： 利用PyTorch框架和深度學習技術，確保語音生成的高保真度和自然性。

  • 人工編輯功能： 包含人類在環編輯功能，適用於文學研究和詩歌朗讀任務。

  • 自包含對齊器： 包含CTC和聲譜圖重建訓練的對齊器，提高語音合成精度和質量。

  • 數據預處理工具： 提供數據預處理工具，簡化訓練數據的準備工作。

一人千面，語音也能“變臉”

ToucanTTS不僅能說多種語言，還能模擬不同說話人的風格，無論是語調、重音還是節奏，都能輕鬆拿捏。這對於那些需要語音多樣性的應用來說，簡直是福音。

這個工具包還允許用戶控制語音的多個參數，比如音調、語速、情感等。想聽溫柔的安慰，還是激昂的鼓勵?ToucanTTS都能給你。

高質量語音，自然到就像真人在說話

利用PyTorch框架和深度學習技術，ToucanTTS生成的語音質量高到可以假亂真。端到端的訓練和推理，讓它處理複雜的語音合成任務也遊刃有餘。

ToucanTTS還有人類在環編輯功能，特別適合文學研究和詩歌朗讀。用戶可以根據自己的喜好，定製合成的語音，讓機器更懂你的心。

自包含對齊器，讓語音合成更精準

內置的對齊器，使用CTC和聲譜圖重建訓練，進一步提高了語音合成的精度和質量。

ToucanTTS還提供了一整套數據預處理工具，簡化了訓練數據的準備工作，讓語音合成更加高效。

項目地址：https://github.com/DigitalPhonetics/IMS-Toucan

在線演示：https://huggingface.co/spaces/Flux9665/MassivelyMultilingualTTS