index-tts

1热度

7回答

[index-tts]很棒的项目，但是默认的 22050 采样率感觉还是有点粗糙，如何转换成 44100 的采样率？

22050的采样率如何修改为44100的采样率？直接修改采样率不行。或者说目前的index-tts支持44100的采样率吗？

4热度

21回答

[index-tts]停顿和语速需要优化

短句之间连接好像被切断了一样，卡一下，还有语速完全没变化，只要做好两个基本上就无敌了

1热度

15回答

[index-tts]我觉得合成速度不太理想

(base) root@VM-0-80-ubuntu:/workspace/index-tts# python sendflask.py {'audio_url': '/outputs/spk_1742982706.wav', 'status': 'success', '字数': 70, '耗时': 38.229} (base) root@VM-0-80-ubuntu:/workspace/in

0热度

1回答

[index-tts]请问是否会支持微调

已经成功在win上运行改项目，这是一个很棒的开源产品。请问是否支持微调一个模型，后续是否会放出微调的代码？我的xttsv2的模型是否能直接在index-tts中使用？期待您的回复。

0热度

2回答

[index-tts]增加其它语种，比如韩语？

目前测试仅支持中英，后续是否会支持比如韩语？

3热度

1回答

[index-tts]添加音量调节的简易功能

找到 indextts\infer.py 在 def infer 代码行 249： wav = torch.cat(wavs, dim=1) 新增调节音量： wav = torch.cat(wavs, dim=1) wav = self.set_volume(wav, volume=1.25) # 调节音量参数 volume，需要自行添加到 def in

4热度

14回答

[index-tts]使用BigVGAN fused cuda kernel

指标对比测试设备 Windows10 NVIDIA GeForce GTX 970 (4096MiB) cuda 12.4, torch 2.5.1 指标 w/o Custom CUDA Kernel w/ Custom CUDA Kernel 第1次推理第2次推理第3次推理第1次推理第2次推理第3次推理总推理时间 (秒) 33.56 25.57 26.

4热度

1回答

[index-tts]如何生成不同采样率的音频？

输入音频的采样率是16K时，生成的音频很奇怪，index-tts是不是只支持24K的音频？

6热度

19回答

[index-tts]推理速度还是很慢，哪位大佬再优化一下

4热度

2回答

[index-tts]生成不完整

比较奇怪，我提供了一段长文本：双侧甲状腺大小,右叶,上下径五十六毫米,左右径十七毫米,前后径十五毫米,峡部三毫米,左叶,上下径五十毫米,左右径十六毫米,前后径十六毫米.双侧甲状腺形态正常,边界清楚,表面光滑,包膜完整,内部回声增粗欠均匀,CDFI甲状腺内部血流丰富.右侧甲状腺内见一个低回声,大小约五点六乘五点八乘七点八毫米,位于上极,近背侧,纵横比大于一,内部结构实性,内部未见点状强回声,形态

10热度

1回答

[index-tts]批次推理：修复（漏句/丢句/音频空白）

【问题描述】当输入某些长分句时，存在（漏句/丢句/音频空白）等异常情况。复现过程如下：【复现过程1】使用（中文）文本进行测试，首句丢失： ”亲爱的伙伴们，大家好！“。亲爱的伙伴们，大家好！每一次的努力都是为了更好的未来，要善于从失败中汲取经验，让我们一起勇敢前行,迈向更加美好的明天！【复现过程2】使用（英文）文本进行测试，句尾丢失： ”Thank you!“。 The weather is

3热度

3回答

[index-tts]提供一段测试文本，生成时必定出现严重错误

下方是一个巨大的天然岩洞，粗略估计有一个足球场的大小，洞顶镶嵌着四五个夜明珠，照到此地宛若白昼，两边岩壁，画着巨幅壁画，在岩洞尽头有一个台基，上面有一张玉床，上面躺着两具尸体，一男一女，女的身上披着白纱，双眼紧闭，面容安详，看上去楚楚动人，身上没有半点腐败的痕迹，如同睡觉一般，男的身穿甲胄，带着兽首青铜面具，双手放在胸前，手中拿着一只紫金的盒子。这段话全部是逗号，直接生成必定会在第一句就发生严重

10热度

2回答

[index-tts]音色不稳定

由于文本长度问题，我们需要切段来生成。但这时候偶尔会出现不同的音色

10热度

4回答

[index-tts]fix: 解决了部分字读错的问题

本次提交解决了40个字的读音错误问题，测试可行。相关Issues “新米”读成“新M” 有解决方法吗 #226 暴殄天物的“殄”它不认识。读成“碳”了。 #218

0热度

2回答

[index-tts]有越南语的吗，可以增加越南语的吗

7热度

5回答

[index-tts]可以增加其他的语言，自己训练吗

3热度

4回答

[index-tts]ninja中文路径编译补丁支持：BigVGAN fused cuda kernel

【问题复现】如果 index-tts 项目拉取在某些中文路径下，比如含中文目录： j:/语音克隆/index-tts 当启用 use_cuda_kernel = True 时，运行项目会生成 build.ninja 中文乱码，从而导致 BigVGAN cuda kernel 编译失败。经过检测发现 cpp_extension.load 以及后续代码均执行失败。 Failed to load c

6热度

2回答

[index-tts]前端tn.chinese.normalizer 是哪个依赖包？怎么安装

4热度

2回答

[index-tts]如何实现情感特定的推理

在Demo的最后有一段Controllability: Emotionally Expressive Speech Generation的示例，但我在test script中使用prompt audio推理“听着暴风雨在窗外咆哮，小丽蜷缩在床上，害怕得连呼吸都不敢太大声。”这一句话并没有得到像Demo中一样情感充沛的语音。请问像Demo中那样的情感表述应当如何复现？是否需要向模型传入特定的情感标

7热度

6回答

[index-tts]单句推理：RTF 性能提速小优化 ~

【提速原理】通过调整模型的默认激活函数，来进一步提升神经网络的基础推理性能。经过多轮测试，普通模式和批次模式， RTF 值均下降明显（参考值约 >= 5 % ）。本次 checkpoints\config.yaml 新增的选项如下，（您或可将其直接注释，以恢复原始配置）： activation_function: "gelu_pytorch_tanh" 如需恢复之前旧配置，只需将其注释即