基于VITS的星光咖啡馆5人语音合成模型
最近很多大佬都在做ACG的语音合成呢，但一直没见星光咖啡馆的模型出来，那我就试着做做吧:)
视频中使用的模型是VITS，在我自己收集的星光咖啡馆数据集（2W条语音）上用colab的P100跑了40个小时左右。效果还不错，再跑几天品质应该还能提升！
另外在尝试做GUI……
Github：https://github.com/Francis-Komizu/VITS
Colab demo：https://colab.research.google.com/drive/1nKa-l15f_talGvIwPmKTLYwwaE1Mztjg?usp=sharing
模型（generator）：https://drive.google.com/file/d/1MffEp1So-GsI9wc3OgG7dacNfRJCVpUh/view?usp=sharing
顶部