metadata
datasets:
- Porameht/processed-voice-th-169k
language:
- th
pipeline_tag: text-to-speech
base_model:
- SWivid/F5-TTS
license: cc-by-4.0
F5-TTS-ไทย
โมเดล Text To Speech ภาษาไทย
โมเดลหลัก : SWivid/F5-TTS
Github : https://github.com/SWivid/F5-TTS
| ชุดข้อมูล | ระยะเวลา(ชั่วโมง) |
|---|---|
| Common Voice (Porameht/processed-voice-th-169k) | ~160 |
| Porjai Dataset | ~300 |
| Common Voice-EN(อังกฤษ) | ~40 |
ขนาดโมเดลล่าสุด
- 1,000,000 Steps
ภาษาที่รองรับ: ไทย และ อังกฤษ.
การอ่านข้อความยาวๆ หรือบางคำ ยังไม่ถูกต้อง
- เสียงตัวอย่างควรมีความยาว 2-8 วินาที
- สามารถลองปรับลดความเร็วเสียงในการสร้าง เช่น 0.8 หรือ กำหนด seed ใหม่, เพื่อให้ได้เสียงที่ถูกต้อง.
- เสียงและข้อความต้นฉบับควรเป็นภาษาไทย.
- ถ้าเสียงต้นฉบับเป็นภาษาอื่นควรเปลี่ยนข้อความต้นฉบับเป็นคำอ่านไทย เช่น Good Morning เป็น กูดมอร์นิ่ง.
- ถ้าเสียงต้นฉบับมีความเร็วในการอ่านมาก ควรลดความเร็ว เหลือ 0.7-0.8
การใช้งาน
Github : https://github.com/VYNCX/F5-TTS-THAI
ติดตั้ง
git clone https://github.com/VYNCX/F5-TTS-THAI.git
cd F5-TTS-THAI
pip install git+https://github.com/VYNCX/F5-TTS-THAI.git
#จำเป็นต้องติดตั้งเพื่อใช้งานได้มีประสิทธิภาพกับ GPU
pip install torch==2.3.0+cu118 torchaudio==2.3.0+cu118 --extra-index-url https://download.pytorch.org/whl/cu118
ใช้งานบน Gradio
f5-tts_webui
ฝึกอบรม และ Finetune
ใช้งานบน Google Colab Finetune หรือ
- ติดตั้ง
cd F5-TTS-THAI
pip install -e .
- เปิด Gradio
f5-tts_finetune-gradio
ตัวอย่างเสียง
- เสียงต้นแบบ
- ข้อความคำพูด : ฉันเดินทางไปเที่ยวที่จังหวัดเชียงใหม่ในช่วงฤดูหนาวเพื่อสัมผัสอากาศเย็นสบาย
- เสียงที่สร้างขึ้น
- Seed : 4213936761049775187