TTS & SVC Survey (For Fun)

发表于 更新于 分类于 阅读次数： 本文字数： 437 阅读时长 ≈ 2 分钟

#Tacotron2

  • Natural TTS Synthesis by Conditioning WaveNet on Mel Spectrogram Predictions, ICASSP 2018

#VITS

  • Conditional Variational Autoencoder with Adversarial Learning for End-to-End Text-to-Speech, ICML 2021
  • 文本转语音 (TTS) 任务
  • 技术: 端到端

#SoftVC / HuBERT / Voice Conversion

  • A Comparison of Discrete and Soft Speech Units for Improved Voice Conversion, ICASSP 2022
  • 声音转换 (Voice Conversion) 任务
  • HuBERT 模型

#MoeGoe

  • B 站 UP 主 CjangCjengh 开源 https://github.com/CjangCjengh/MoeGoe
  • VITS 工具化
  • 基于 Tacotron2 版 Demo https://www.bilibili.com/video/BV1rV4y177Z7/
  • 基于 VITS 版 MoeGoe 工具 https://www.bilibili.com/video/BV1A8411t7sK/

#Fastpitch

#VITS2

  • VITS2: Improving Quality and Efficiency of Single-Stage Text-to-Speech with Adversarial Learning and Architecture Design, Interspeech 2023
  • 文本转语音 (TTS) 任务

#SoVITS / so-vits-svc 🔥🔥🔥

  • B 站 UP 主 Rcell 开源 https://github.com/innnky/so-vits-svc (已删)
  • 歌声转换 (Singing Voice Conversion) 任务
  • 技术实现: 把 VITS2 中的 text encoder 替换为 SoftVC 中的 HuBERT
  • 荣誉: 时代周刊评价 2023 最佳发明 https://time.com/collection/best-inventions-2023/6327135/so-vits-svc/
  • 一些训练好的声音模型: https://huggingface.co/spaces/zomehwh/vits-models/tree/main/pretrained_models

#AI 峰哥

  • 效果演示: https://www.bilibili.com/video/BV1w24y1c7z9/
  • Idea: Fastpitch + NLP 模型
  • MassTTS: https://github.com/anyvoiceai/MassTTS
  • ChatGLM-6B: https://github.com/lich99/ChatGLM-finetune-LoRA

#BERT-VITS2

  • B 站 fishaudio 开源 https://www.bilibili.com/video/BV18E421371Q/ https://github.com/fishaudio/Bert-VITS2
  • 启发自 AI 峰哥
  • 技术实现: 把 VITS2 中的 text encoder 替换为 BERT

#OpenVoice

  • 即时语音转换 (Immediate Voice Conversion, Zero-shot TTS) 任务

#RVC

  • B 站 UP 主 花儿不哭 开源 https://www.bilibili.com/video/BV1pm4y1z7Gm/
  • 声音转换 (Voice Conversion) 任务
  • 10 分钟样本

#GPT-SoVITS

  • B 站 UP 主 花儿不哭 开源 https://www.bilibili.com/video/BV12g4y1m7Uw/
  • 声音转换 (Voice Conversion) 任务
  • RVC 延续, 只需 5 ~ 10s 样本

#fish-speech

  • https://github.com/fishaudio/fish-speech
  • Zero-shot TTS 任务
  • 基于自回归模型
  • 一段 5s 音频样本即可生成语音

#ChatTTS

  • AI 峰哥新版本 https://github.com/2noise/ChatTTS
  • TTS 任务, 对话场景, 支持细粒度控制和韵律
  • 支持通过 LoRA 微调实现不同音色