VIZINTZOR/F5-TTS-THAI

F5-TTS-THAI

โมเดลหลัก : SWivid/F5-TTS

Github : https://github.com/SWivid/F5-TTS

ชุดข้อมูลที่นำไปเทรน

• Porameht/processed-voice-th-169k

• Common Voice

• จำนวน

  • 200,000 เสียง
  • ภาษาไทย ประมาณ 190 ชั่วโมง
  • ภาษาอังกฤษ ประมาณ 40 ชัวโมง

• ขนาดโมเดลล่าสุด

  • 600,000 Steps

• ภาษาที่รองรับ: ไทย และ อังกฤษ.

• การอ่านข้อความยาวๆ หรือบางคำ ยังไม่ถูกต้อง

การใช้งาน

Github : https://github.com/VYNCX/F5-TTS-THAI

git clone https://github.com/VYNCX/F5-TTS-THAI.git
cd F5-TTS-THAI
python -m venv venv
call venv/scripts/activate
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

สามารถรันไฟล์ app-webui.bat เพื่อใช้งานได้ หรือ

  python src/f5_tts/f5_tts_webui.py

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
• ภาษาอังกฤษกับคำภาษาไทย
• เสียงต้นแบบ
  • ข้อความคำพูด : When there is not enough fuel pressure, the engine may not start.
• เสียงที่สร้างขึ้น
  • ข้อความ : Today I went to the market and bought some "ข้าวเหนียวหมูปิ้ง" before heading to the park for a picnic.